UNIVERSIDADE DE SO PAULO · ANTÔNIO CARLOS PACAGNELLA JÚNIOR ... (1999) pode permitir a um país...

UNIVERSIDADE DE SÃO PAULO CAMPUS DE RIBEIRÃO PRETO

FACULDADE DE ECONOMIA, ADMINISTRAÇÃO E CONTABILIDADE DEPARTAMENTO DE ADMINISTRAÇÃO

ANTÔNIO CARLOS PACAGNELLA JÚNIOR

A INOVAÇÃO TECNOLÓGICA NAS INDÚSTRIAS DO ESTADO DE SÃO PAULO:

UMA ANÁLISE DOS INDICADORES DA PAEP

Orientadora: Profª. Drª. Geciane Silveira Porto

RIBEIRÃO PRETO

2006

ANTÔNIO CARLOS PACAGNELLA JÚNIOR

A INOVAÇÃO TECNOLÓGICA NAS INDÚSTRIAS DO ESTADO DE SÃO PAULO: UMA ANÁLISE DOS INDICADORES DA PAEP

Dissertação apresentada à Faculdade de Economia, Administração e Contabilidade da Universidade de São Paulo, campus de Ribeirão Preto, para obtenção do título de mestre em administração de organizações. Orientadora: Profª Drª Geciane Silveira Porto.

RIBEIRÃO PRETO 2006

A vida é como uma caminhada.

Em toda caminhada existe um início e um fim, um percurso onde se encontram

obstáculos, paisagens e aqueles que caminham ao seu lado.

Dedico este trabalho para aqueles que, sem os quais eu não conseguiria caminhar:

À Deus

À Minha família

Aos meus amigos “Vecchia Guardia Omnia Vincit”

À minha namorada

Meus profundos agradecimentos para:

Minha orientadora, professora Geciane Silveira Porto, pela sua incansável

dedicação e cuidado na minha formação como pesquisador e na realização deste

trabalho.

Ao professor Sérgio Kannebley Júnior, pelas inúmeras contribuições quanto às

técnicas utilizadas na pesquisa.

Aos funcionários da fundação SEADE pelo suporte que prestaram durante o

trabalho.

Aos funcionários da secretaria de pós-graduação da FEARP pela atenção

durante o mestrado.

Em especial para minha família, namorada e amigos, pelo apoio e carinho com

que conto sempre.

“Uma idéia pela qual não sofreste, não te pertence.”

Mihail Ralea

RESUMO

A inovação tecnológica desempenha um papel fundamental no desenvolvimento

de empresas, regiões e mesmo de países. Especificamente no estado de São Paulo,

estudar os aspectos relevantes a este tema é de suma importância por se tratar do

estado mais industrializado e mais importante economicamente no Brasil.

Dentro deste contexto, este estudo visa analisar especificamente aspectos

ligados à inovação tecnológica nas empresas dos diversos setores de atividade

industrial, utilizando para isto indicadores de inovação tecnológica e de dados

empresariais da Pesquisa de Atividade Econômica Paulista (PAEP), realizada pela

fundação Sistema Estadual de Análise de Dados Estatísticos (SEADE), sobre o período

de 1999 a 2001.

ABSTRACT

The technological innovation performs a fundamental part in the development

process of companies, regions and even countries. Specifically in the state of São

Paulo, the study of relevant aspects to this theme is of summary importance because it

is the most industrialized and economically important in this country.

Within of this context, this study aim to analyze specifically some aspects linked

to the technological innovation in different sections of industrial activity, using to this,

technological innovation indicators and business results obtained by the Paulista

Research of Economic Activities (PAEP), that was realized by SEADE foundation over

the period of 1999 to 2001.

SUMÁRIO

1. INTRODUÇÃO 10 1.1. Objetivos da pesquisa 14

2. REFERENCIAL TEÓRICO 17

2.1. A inovação tecnológica 17

2.1.1. Inovação tecnológica e competitividade 22

2.1.2. Sistemas de inovação tecnológica 26

2.1.3. Modelos de inovação tecnológica 30

2.1.4. Indicadores de inovação tecnológica 38

2.1.4.1 Indicadores de inovação e de P&D 44

2.2. Fatores de influência no processo de inovação tecnológica 48

2.2.1. As atividades de pesquisa e desenvolvimento (P&D) 49

2.2.2. Cooperação em P&D 52

2.2.3. Apoio governamental 55

2.2.4. Fontes de informação para inovação tecnológica 57

3. ASPECTOS METODOLÓGICOS 61

3.1. Tipo da pesquisa 61

3.2. Perguntas e hipóteses de pesquisa 63

3.3. Modelo da pesquisa 66

3.4. Plano amostral 70

3.5. Etapas da pesquisa 73

3.7. Técnicas de análise 75

3.7.1. Modelos de regressão linear múltipla 75

3.7.2. Os modelos de “Logit” e “Probit” 82

3.7.3. Testes de hipóteses em regressão múltipla 85

3.7.4. Sistemas de equações simultâneas 87

4. APRESENTAÇÃO E ANÁLISE DOS RESULTADOS 91

4.1. Caracterização da amostra 91

4.1.1. Tamanho das empresas 93

4.1.2. Origem do capital controlador 97

4.1.3. Média salarial 103

4.1.4. Orientação exportadora 109

4.1.5. Investimentos em pesquisa e desenvolvimento 114

4.1.6. Laboratório ou departamento específico de P&D 122

4.1.7. Cooperação em pesquisa e desenvolvimento 127

4.1.8. Apoio governamental 132

4.1.9. Fontes de informação para atividades inovativas 137

4.2. Análise das regressões 146

4.2.1. Inovação em produtos 147

4.2.2. Inovação em processos 165

4.2.3. Obtenção de patentes 181

4.2.4. Faturamento advindo de novos e melhorados produtos 195

4.2.5. Inovação tecnológica em produtos para o mercado 209

4.3. Verificação das hipóteses de pesquisa 216

5. CONSIDERAÇÕES FINAIS E CONTRIBUIÇÕES DA PESQUISA 224

6. REFERÊNCIAS BIBLIOGRÁFICAS 233

10

1. INTRODUÇÃO

Este trabalho estuda a inovação tecnológica nas indústrias do estado de São

Paulo por meio da análise de indicadores relacionados à pesquisa e desenvolvimento

(P&D), bem como de indicadores de resultados empresariais obtidos por estas

indústrias. Para este fim se propõe neste trabalho uma análise setorial, ou seja, um

estudo nos diversos setores de atividade industrial no que tange a inovação

tecnológica.

Os estudos referentes à inovação tecnológica se justificam em primeiro lugar por

tratarem de um tema que, segundo Matesco (1993) é essencial para a promoção do

progresso econômico de um país e da competição entre empresas, além de, segundo

Franko (1989), ter sido o principal determinante do crescimento econômico do mundo

no último século.

Além disso, Viotti e Macedo (2001) argumentam que existem três razões

importantes para o estudo da inovação tecnológica, a primeira, chamada de razão

científica, baseia-se na idéia de que o estudo da inovação tecnológica pode contribuir

para o entendimento de questões referentes à dinâmica da ciência e tecnologia, como

quais os impactos do avanço tecnológico na sociedade, economia, emprego, na

qualidade de vida e no meio ambiente. A segunda razão é chamada de razão política e

está relacionada à identificação das necessidades científicas que podem levar à

elaboração de políticas públicas mais eficazes e eficientes, o que segundo Archibugi,

Howells e Michie (1999) pode permitir a um país obter vantagem no mundo globalizado.

A última razão é chamada de pragmática e diz respeito à identificação de oportunidades

11

tecnológicas e fundamentação de decisões de investimento, fornecendo subsídios para

a elaboração das estratégias tecnológicas realizadas pelas empresas.

Segundo a ANPEI (2004), nos países desenvolvidos, as motivações econômicas

são reconhecidamente a maior influência na busca de novos conhecimentos, de novas

aplicações em empresas e do entendimento da natureza complexa do processo de

inovação tecnológica. Por isso, organizações internacionais como a OCDE

(Organização de Cooperação para o Desenvolvimento Econômico) têm centrado

esforços no sentido de gerar conhecimentos sobre este tema.

Baseando-se nestes fatores e devido ao aumento da competitividade

internacional nos últimos anos, torna-se fundamental para países em desenvolvimento

como o Brasil, desenvolver estudos que levem a uma compreensão mais profunda das

dinâmicas relativas a inovação tecnológica no país.

O Estado de São Paulo foi escolhido como objeto de estudo deste trabalho

devido à sua importância econômica e tecnológica, principalmente devido a força de

sua indústria. em consonância com esta afirmação, destaca-se que:

“O atual dinamismo da economia paulista, comparativamente ao desempenho econômico nacional, também é revelado pela elevada complexidade tecnológica de sua estrutura produtiva industrial, significativa participação das atividades de empresas inovadoras e concentração de serviços intensivos em informação e conhecimento, agregando ocupações de alta qualificação para o desenvolvimento de novos produtos, processos e atividades de P&D.” (SEADE, 2004, p.4)

Para melhor justificar esta escolha é preciso analisar alguns dados referentes ao

estado.

De acordo com Landi (2001), o Estado de São Paulo é responsável no Brasil por

cerca de 50% do valor de transformação industrial e por 57% dos investimentos

financeiros feitos no Brasil em P&D (Pesquisa e Desenvolvimento), concentrando a

maior parte dos núcleos industriais mais intensivos em tecnologia.

12

Segundo o Ministério da Ciência e Tecnologia (MCT) (2004), o estado de São

Paulo foi responsável por cerca de 58% dos recursos humanos com nível superior

alocados em P&D nas indústrias brasileiras (com cerca de 48% de pós-graduados e

60% dos graduados alocados em P&D nas indústrias do país), no período

correspondente aos anos de 1998 a 2000.

Outro dado importante apresentado pela mesma pesquisa, é que das industrias

que introduziram inovações tecnológicas no país no ano de 2000, 43% eram paulistas.

Ainda segundo o MCT (2004), o estado também foi responsável por

aproximadamente 38,3% das empresas que indicaram ter depositado patentes ou que

tiveram patentes em vigor, no período de 1998 a 2000.

Segundo o SECEX (1999 apud LANDI, 2001), o estado se destaca ainda no

chamado Balanço de Pagamentos Tecnológicos (BPT), sendo responsável por cerca de

80% das exportações e 50% das importações brasileiras de produtos de alta tecnologia

no ano de 1999. No mesmo ano, para se ter uma idéia, o MCT (2001), afirma que as

exportações brasileiras deste tipo de produto atingiram US$2,97 bilhões enquanto que

as importações somaram US$1,25 bilhão.

Embora seja importante apresentar os dados referentes ao estado de forma

agregada, algumas considerações regionais devem ser feitas sobre o estado. Dentro

deste contexto, Landi (2001) afirma que, embora a região metropolitana de São Paulo

seja responsável pela maior parcela dos números anteriormente apresentados, deve-se

recordar que o processo de industrialização no estado, desde a década de setenta,

ultrapassou significativamente as fronteiras desta região. Pólos industriais como os de

São José dos Campos, São Carlos e Campinas, incorporaram de maneira significativa a

13

presença de setores industriais, como os de máquinas e equipamentos, óptica,

automação industrial e equipamentos de informática.

A interiorização do desenvolvimento, ocorre de maneira cada vez mais

concentrada espacialmente, localizando-se sobretudo num raio de aproximadamente

150 quilômetros a partir do centro da Região Metropolitana de São Paulo. Abrange as

regiões administrativas de Campinas, que têm se destacado por reunir diversas

empresas produtoras de equipamentos de telecomunicações e informática, além de

refino de petróleo e do setor químico (SOUZA e GARCIA, 1999), São José dos

Campos, que apresenta aglomeração de empresas de alta tecnologia principalmente na

área de aeronáutica e material bélico (DINIZ e RAZAVI, 1995) e Sorocaba que se

destaca por apresentar grande diversificação de setores industriais, em especial os de

metalurgia básica (sobretudo o alumínio) e da fabricação de produtos de minerais não-

metálicos.

No interior paulista, ainda se destacam as regiões de São Carlos, que concentra

diversas empresas de médio e pequeno porte, ligadas a setores de novos materiais,

equipamentos, opto-eletrônicos e máquinas e a de Ribeirão Preto que possui uma

estrutura industrial em que predomina o setor de açúcar e álcool e o setor de

instrumentação médico-hospitalar (LANDI, 2001, SEADE, 2001).

Diante deste contexto, considerando a relevância do estado de São Paulo na

economia brasileira e da importância da inovação tecnológica para um país em

desenvolvimento, observa-se a necessidade de um estudo que venha apresentar um

panorama sobre as características da inovação tecnológica neste estado, levando em

conta as diferenças entre seus setores de atividade industrial.

14

Estudar este tema é fundamental para que o estado possa preparar melhor suas

políticas públicas, bem como para fundamentar as decisões de investimento de suas

indústrias, contribuindo cada vez mais como o desenvolvimento econômico e

tecnológico do país.

Este estudo está dividido em cinco capítulos, o primeiro capítulo traz a introdução

e os objetivos da pesquisa, o capítulo dois discorre sobre a fundamentação teórica do

assunto estudado, englobando temas como modelos de inovação tecnológica, sistemas

de inovação tecnológica, atividades de P&D, mensuração de P&D e indicadores de

inovação tecnológica. O terceiro capítulo apresenta a metodologia utilizada no estudo

enquanto que no quarto capítulo encontram-se as considerações finais e as

contribuições da pesquisa. O último capítulo contém as referências bibliográficas que

subsidiam o presente trabalho.

Este trabalho procura responder a seguinte pergunta de pesquisa: Quais são as

características da inovação tecnológica nas indústrias do estado de São Paulo?

1.1. OBJETIVOS DA PESQUISA

O Objetivo principal deste trabalho é estudar resultados do esforço inovador nas

indústria paulista por meio das variáveis da Pesquisa de Atividade Econômica Paulista

(PAEP), utilizando os resultados obtidos no período de 1999 a 2001. Para atingir este

objetivo fundamental torna-se importante a definição dos seguintes objetivos

específicos:

15

• Verificar se existe correlação significativa entre investimento financeiro alocado

em P&D e inovação tecnológica em produtos e processos;

• Verificar se existe correlação significativa entre investimento de recursos

humanos alocados em P&D e inovação tecnológica em produtos e processos;

• Verificar se existe correlação significativa entre a atribuição de importância às

fontes de informação para atividades inovativas e inovação em produtos e

processos;

• Verificar se existe correlação significativa entre a presença de laboratório ou

departamento específico de P&D e inovação tecnológica em produtos e

processos.

• Verificar se existe correlação significativa entre cooperação em pesquisa e

desenvolvimento e inovação tecnológica em produtos e processos;

• Verificar se existe correlação significativa entre apoio governamental para

inovação e inovação tecnológica em produtos e processos.

• Verificar se existe correlação significativa entre a presença de laboratório ou

departamento específico de P&D e obtenção de patentes;

• Verificar se existe correlação significativa entre realização de cooperação em

pesquisa e desenvolvimento e obtenção de patentes;

• Verificar se existe correlação significativa entre apoio governamental e obtenção

de patentes;

• Verificar se existe correlação significativa entre investimento financeiro em P&D e

faturamento advindo de novos e melhorados produtos;

16

• Verificar se existe correlação significativa entre investimento de recursos

humanos alocados em P&D e faturamento advindo de novos e melhorados

produtos;

17

2. REFERENCIAL TEÓRICO

2.1. A INOVAÇÃO TECNOLÓGICA

A inovação tecnológica é objeto central deste estudo, assim faz-se necessário

um embasamento teórico dos diversos conceitos associados a este tema. Por isso

neste tópico procurou-se levantar conceitos e aspectos relevantes sobre o tema.

Uma das primeiras definições sobre inovação tecnológica é de Schumpeter1

(1934) apud Andreassi (1999), que em um sentido amplo, inclui inovações de produtos,

de processos, a abertura de novos mercados, a conquista de novas fontes de

suprimento de matéria-prima e a reestruturação organizacional.

Dosi (1988), seguindo linha semelhante, afirma que a inovação tecnológica está

fortemente relacionada com a descoberta, o desenvolvimento, a experimentação e a

adoção de novos produtos, novos processos e novas estruturas organizacionais. Para

Andreassi (1999) decorrem desta definição, cinco propriedades:

• A inovação tecnológica pressupõe alguma incerteza já que os resultados

provenientes do esforço inovador não são previamente conhecidos;

• As novas oportunidades tecnológicas estão cada vez mais se baseando no

conhecimento científico;

1 SCHUMPETER, J. A. Capitalism, socialism and democracy. Londres: Allen&Unwin, 1976

18

• O nível crescente de complexidade nas atividades de inovação favorece as

organizações formalizadas como universidades, laboratórios de P&D nas

indústrias, centros de pesquisa, etc;

• Uma parte da inovação tecnológica tem origem por meio do learning-by-doing e

do learnig-by-using. Ou seja, as empresas aprendem como inovar em situações

práticas como resolução de problemas de produção ou reuniões com clientes;

• As mudanças tecnológicas não são puramente reativas as condições de

mercado, derivando da experiência tecnológica acumulada pelas empresas.

Rogers (1995) define a inovação como uma idéia ou objeto, que é percebido

como novo por um indivíduo. O processo de desenvolvimento de inovação consiste em

todas as decisões e atividades, e seus respectivos impactos, que acontecem no

reconhecimento de uma necessidade ou de um problema por meio da pesquisa,

desenvolvimento e comercialização de uma inovação, ou ainda, por meio da difusão ou

adoção da inovação por usuários.

Kruglianskas (1996) diferencia inovação de invenção, afirmando que a invenção

envolve a formulação de uma proposta inédita, e a inovação constitui um processo.

Segundo o autor, este processo é uma atividade complexa, que se inicia com a

concepção de uma nova idéia, passa pela solução de um problema e vai até a real

utilização de um novo item de valor econômico ou social.

Embora existam várias definições de inovação tecnológica, uma das mais

importantes é a do Manual de OSLO, principal fonte internacional de diretrizes para

coleta e uso de dados sobre atividades inovadoras da indústria, que conceitua inovação

19

tecnológica como sendo a introdução de um novo produto ou um novo processo, bem

como qualquer melhoria significativa introduzida nos mesmos (OECD, 1992).

Francis e Bessant (2004) propõem uma conceituação mais ampla, em quatro

categorias, afirmando que além da inovação em produto e da inovação em processo

existe a inovação em posicionamento, que consiste em definir ou redefinir o

posicionamento de uma empresa ou de um produto no mercado, e a inovação de

paradigma que consiste em definir ou redefinir os paradigmas da organização, que

podem ser internos (valores organizacionais e políticas de tomada de decisão) e

externos (o modelo de negócios, a forma conceitual que a empresa utiliza para

prosperar no mercado).

Para Schumpeter apud Zucoloto (2004), um outro aspecto importante das

inovações tecnológicas diz respeito à intensidade com que ocorrem e os impactos que

causam no sistema econômico, podendo ser:

• Inovações radicais

Em geral são causadoras de grandes revoluções tecnológicas que rompem

radicalmente com o passado, são responsáveis por grandes transformações que

podem afastar o sistema econômico do equilíbrio vigente.

• Inovações incrementais

As inovações incrementais são alterações significativas porém não rompedoras com

o passado e que ocorrem com maior freqüência provocando modificações marginais

no funcionamento econômico.

Higgins (1995), introduzindo novos elementos, propõe que a inovação pode

ocorrer como uma melhoria contínua e incremental – “Kaizen”, como a produção de

20

novos produtos a partir de produtos velhos – “Leaping”, ou ainda a introdução de um

produto que rompe de forma radical com o passado – “Big Bang”.

Segundo Dosi (1988), a inovação tecnológica têm origem na necessidade de

solução de um problema tecnológico, onde simplesmente os conhecimentos disponíveis

até o momento não são suficientes para resolver. O autor ressalva que esta solução

deve considerar critérios de custos e comercialidade. Segundo o autor:

“A solução inovativa para um certo problema envolve a “descoberta” e a “criação”, pois não existe um “algoritmo geral” que pode ser derivado das informações sobre o problema, que forneça automaticamente a solução. Certamente a solução de um problema tecnológico envolve o uso de informações obtidas de experiências anteriores e conhecimento formal, contudo, envolve também capacidades específicas e não codificadas por parte dos inventores” (DOSI,1988, p.1126).

Baseando-se no exposto por Dosi (1988), pode-se resumir que um problema

tecnológico demanda a necessidade ou gera a oportunidade para que aconteça a

inovação tecnológica.

Problema tecnológico

Inovação tecnológica

Descobertas e

Criações

Base de conhecimentos

disponível

Capacidades específicas dos

inventores

Figura 1. Problema tecnológico levando à inovação tecnológica

Caraynnis e Roy (2000) corroboram as afirmações de Dosi (1988), afirmando

que a inovação tecnológica pode ser vista como uma resposta dos agentes

desenvolvedores de tecnologia a uma demanda de mercado (feedback tecnológico). Os

autores propuseram que esta resposta realimenta o sistema gerando novas

21

necessidades (ou problemas tecnológicos) que devem ser atendidas e assim

sucessivamente.

Mercado Tecnologia Demanda

Feedback tecnológico

Figura 2. Inovação tecnológica como resposta à demanda de mercado segundo Caraynnis Roy (2000). e

O conceito de “Feedback tecnológico”, ou seja, a resposta tecnológica a uma

necessidade de mercado segue a mesma linha de pensamento de Freeman (1994),

que afirma que a inovação tecnológica não acontece isoladamente, como um evento

discreto, mas sim em conjuntos de eventos semelhantes que são tecnicamente e

economicamente inter-relacionados.

Complementando este conceito, Pereira (1995) afirma que estes eventos

decorrem da sinergia entre pesquisadores, empresas, agentes econômicos, grupos

sociais, indivíduos e organismos governamentais, gerando potencialidades científicas e

soluções para as necessidades emergentes.

Sintetizando, a inovação tecnológica é um fenômeno complexo que surge da

interação entre vários agentes da sociedade e têm influência direta sobre a economia

de países e o desempenho de empresas, assim, devido à sua importância, os itens

seguintes deste trabalho têm por finalidade aprofundar nos aspectos que sejam

relativos ao tema.

22

2.1.1. INOVAÇÃO TECNOLÓGICA E COMPETITIVIDADE

A competitividade é outro aspecto importante que está relacionado à inovação

tecnológica, pois atualmente o mundo globalizado e o quadro econômico atual,

caracterizado pela concorrência acirrada e por produtos de alta qualidade, onde as

empresas estão inseridas, têm exigido um nível de competitividade cada vez maior, por

isso, cada vez mais o êxito nos resultados empresariais depende da capacidade das

empresas de inovarem tecnologicamente, colocando à disposição de seus

consumidores novos produtos, com preços menores, qualidade superior e com uma

velocidade maior que de seus concorrentes.

Archibugi et alli (1999) corroboram estas afirmações ao colocar que o mercado

atual, turbulento e de crescente taxa de mudanças tecnológicas, requer que as

empresas sejam inovadoras, dinâmicas tecnologicamente e organizacionalmente

eficientes para “sobreviverem” nesse ambiente tão competitivo.

Segundo Drucker (1994, p.25) a inovação tecnológica é “a ferramenta específica

dos empresários, o meio através do qual eles exploram a mudança como oportunidade

para um negócio ou um serviço diferente. É possível apresentá-la sob forma de

disciplina, aprendê-la e praticá-la”.

Para Freeman (1994) a inovação tecnológica é efetivamente o recurso crucial da

competitividade, do desenvolvimento econômico e da transformação da sociedade. De

acordo com Imparato (1997), os principais agentes de mudança na atualidade são a

globalização e a tecnologia, que são as responsáveis pela necessidade da inovação. A

globalização, segundo o autor, diversifica o mercado, aumenta o número de

23

concorrentes, dá mais opções para o cliente e oferece inúmeras oportunidades. Já a

tecnologia faz da velocidade a base da competição e obriga as empresas a reformular

processos tornando-os mais eficientes.

Sob este aspecto, Cassiolato e Lastres (2000) afirmam que, entre os poucos

consensos estabelecidos no debate sobre globalização, encontra-se o fato de que a

inovação e o conhecimento são os principais fatores que definem a competitividade.

O modo como efetivamente as organizações obtêm ganhos de competitividade

pode ser explicado por Posner (1961), que propôs a teoria dos hiatos tecnológicos, que

assume como hipótese que a tecnologia não é um bem livre, com disponibilidade total,

instantânea e sem custos e que portando há certa vantagem em ser o primeiro a

realizar inovações.

O hiato tecnológico pode permitir que a organização que introduziu a inovação

tecnológica obtenha vantagens competitivas absolutas e sustentadas, entretanto,

segundo Zucoloto (2004), isto depende do desempenho da organização em quatro

fatores:

• Oportunidades tecnológicas

Este fator está relacionado com a probabilidade de ocorrer inovação tecnológica,

dado um certo esforço para que esta ocorra;

• Condições de apropriação tecnológica

Depende da capacidade da organização em aproveitar os progressos tecnológicos

de seus consumidores e fornecedores e da interação com avanços científicos

obtidos por institutos de pesquisa e universidade;

• Cumulatividade tecnológica

24

Refere-se ao quanto da performance tecnológica presente é um dos fatores da

performance futura, ou seja, ao quanto do progresso tecnológico é derivado ao

estoque tecnológico vigente;

• Natureza do conhecimento

Está relacionada a três características: à especificidade do conhecimento utilizado,

ou seja, se o conhecimento pode ser aplicado universalmente, à sua disponibilidade

pública e ao quanto deste conhecimento está na forma tácita.

A dimensão da vantagem competitiva obtida pela introdução de uma inovação

tecnológica, tanto em processos como em produtos está relacionada, segundo Tigre

(2002) às proteções que a organização inovadora obtém, como patentes e segredos

comerciais. Quanto maior a proteção, maior o tempo para que as organizações

imitadoras consigam diminuir o hiato tecnológico que propicia a vantagem competitiva.

Para Clark e Guy (1988), competitividade, geralmente é entendida como a

capacidade que uma organização possui de aumentar seu tamanho, sua fatia de

mercado e sua lucratividade, conseguindo isso por meio de baixos custos ou por

produtos diferenciados. Por isso os autores argumentam que a inovação tecnológica

pode aumentar a competitividade da organização ao proporcionar processos menos

custosos e mais eficientes (inovação em processos) e produtos significativamente

diferenciados (inovação em produtos).

A importância da inovação tecnológica para a competitividade das empresas

pode ser extrapolada para o âmbito de países, Porter (1993) enxerga a inovação

tecnológica como sendo componente fundamental para a obtenção da competitividade

de um país e afirma existir a necessidade de se criar uma nova teoria sobre vantagem

25

competitiva em que a inovação e o melhoramento em métodos de tecnologia sejam

elementos centrais.

A competitividade de um país, segundo Zucoloto (2004), está geralmente

relacionada a seu desempenho exportador ou seu saldo comercial, entretanto a autora

ressalva que é preciso dar ênfase à pauta exportadora e não somente ao volume

exportado, pois o melhor desempenho está associado a produtos de empresas

intensivas em tecnologia, tornando clara a importância da inovação tecnológica para a

competitividade em nível de países.

Haguenauer (1989) corrobora estes conceitos afirmando que a competitividade

de um país consiste na capacidade de um país manter e mesmo expandir sua

participação em mercados internacionais, contudo, o autor destaca que, essa expansão

deve elevar simultaneamente o nível de vida de sua população.

Finalizando, Viotti e Macedo (2001) argumentam que ciência, tecnologia e

inovação, são elementos cruciais para o desenvolvimento e a competitividade de

empresas, indústrias, regiões, ou países. Além disso, têm papel fundamental na

qualidade de vida da população em geral podendo contribuir para a solução de

problemas humanos ou ambientais. Os autores argumentam ainda que devido a sua

importância, o estudo da inovação tecnológica é algo que se impõe.

Sendo assim, por meio dos argumentos apresentados, é possível perceber que a

elaboração de políticas públicas, bem como de estratégias empresariais, no que tange

ao incentivo à inovação tecnológica são de suma importância para o desempenho das

indústrias do estado, que são o objeto de estudo deste trabalho.

26

2.1.2. SISTEMAS DE INOVAÇÂO TECNOLÓGICA

Segundo Arquibugi, Howells e Michie (1999), nas últimas décadas, houve um

crescente interesse por parte do meio acadêmico, do mundo dos negócios e dos órgãos

envolvidos na elaboração de políticas científicas sobre como, quando e onde são

desenvolvidas as inovações tecnológicas. Os autores afirmam que uma abordagem que

tem sido muito utilizada para entender as relações entre os atores envolvidos nos

processos ligados a inovação tecnológica é a de sistemas de inovação, que alia a teoria

sobre sistemas, que podem ser definidos segundo Lundvall apud Arquibugi, Howells e

Michie (1999) como um conjunto de elementos e de suas relações, aos estudos sobre

inovação tecnológica.

O conceito de sistemas é importante quando se discute a inovação tecnológica,

pois é preciso entender que se trata de um processo complexo que nasce da interação

entre vários agentes presentes na sociedade, não só aqueles agentes que são

relacionadas à pesquisa, como departamentos de P&D, centros de pesquisa e

universidades, mas também os que estão presentes no sistema produtivo e econômico

do país, como empresas e bancos (ARCHIBUGI, HOWELLS, MICHIE 1999).

Outros autores que pesquisaram os chamados sistemas de inovação tecnológica

propuseram classificações para os seus principais elementos, dentro deste contexto,

Carlsson et alii (2002) afirmam que, genericamente, os sistemas de inovação são

constituídos por três elementos principais, os componentes, os relacionamentos e os

atributos. Estes elementos podem ser definidos como:

27

• Componentes

São as partes operacionais do sistema e podem ser de vários tipos como,

indivíduos, empresas, bancos, universidades, institutos de pesquisa e agências

elaboradoras de políticas públicas.

• Relacionamentos

São as relações entre os componentes ou, mais especificamente, o modo como o

comportamento de cada componente do sistema influencia as propriedades e o

comportamento do conjunto todo.

• Atributos

São as propriedades que cada componente do sistema possui e que caracterizam o

sistema, como as competências que os componentes possuem para gerar, difundir e

utilizar tecnologias.

Ao buscar uma abordagem que explicasse a dinâmica da inovação tecnológica

em um país, englobando todos os agentes envolvidos no seu processo criação,

Freeman (1988), um dos principais estudiosos da inovação tecnológica apresentou o

conceito de sistema nacional de inovação, que segundo o autor pode ser definido por

“[...] uma rede de instituições, nos setores públicos e privados, que com suas atividades

e interações, iniciam, importam, modificam e difundem novas tecnologias. [...]”

(FREEMAN, 1988, p.1).

Lundvall (1992), refinando o conceito, apresentou duas definições para os

sistemas nacionais de inovação, a definição estreita e a definição ampla, que dizem

respeito a forma pelo qual os atores estão envolvidos na produção, difusão e uso de

novas tecnologias:

28

• Definição estreita (narrow definition)

O autor afirma que o sistema nacional de inovação é formado por organizações

envolvidas em pesquisa e exploração, como departamentos de P&D, centros de

pesquisa e universidades.

• Definição ampla (broad definition)

Na definição ampla os sistemas nacionais de inovação envolvem todas as

organizações e aspectos da estrutura econômica do país e todas as organizações

envolvidas no aprendizado tecnológico, na pesquisa e na exploração.

A abordagem proposta por Freeman (1988), embora seja muito importante,

analisa os sistemas de inovação de maneira agregada, dentro das fronteiras de um

país, entretanto, para melhor entender a dinâmica da inovação em determinados

sistemas é preciso mudar o escopo de estudo, ou seja, as fronteiras do sistema.

Dentro deste contexto, Carlsson et alii (1999) propôs várias abordagens para os

sistemas de inovação, de acordo com suas fronteiras de estudo, podendo ser

geográficas, abrangendo um país (sistema nacional), ou uma região particular (sistema

regional), ou outro tipo de fronteiras como setores industriais (sistema setorial de

inovação) ou áreas de tecnologia (sistema tecnológico de inovação).

A abordagem de sistema regional de inovação é útil quando se busca analisar

as relações entre os agentes envolvidos no processo de inovação tecnológica dentro de

uma determinada região em particular, como por exemplo, o estudo da inovação

tecnológica no estado de São Paulo ou na região sudeste, o que depende da definição

de fronteiras estabelecidas para o sistema.

29

Já a abordagem de sistema setorial de inovação envolve a definição de setores

industriais específicos como fronteiras do sistema, como por exemplo, o estudo da

inovação tecnológica no setor de Indústria Extrativa, de Indústria têxtil, ou de Máquinas

e equipamentos.

Carlsson et alii (2002) afirma que a abordagem de sistema tecnológico envolve o

estudo de agentes que possuem interdependência tecnológica, principalmente na

relação “comprador-fornecedor”, os sistemas tecnológicos são redes de agentes que

interagem na geração, difusão e utilização de tecnologia, podendo atuar em um campo

do conhecimento específico, um determinado produto ou artefato, ou ainda um conjunto

de produtos que sejam relacionados (este último chamado de “bloco de competência”).

Segundo Archibugi, Howells e Michie (1999), um outro ponto importante que

deve ser considerado é que as abordagens referentes aos sistemas de inovação não

devem ser vistas como mutuamente excludentes, pelo contrário, o estudo das relações

entre os diversos tipos de sistemas de inovação pode dar origem a uma abordagem

ainda mais ampla sobre o estudo da inovação tecnológica.

Carlsson et alii (2002) afirmam ainda ser importante lembrar que a inovação

tecnológica decorre da sinergia entre os elementos dos sistemas de inovação, sejam

eles nacionais, regionais, setoriais, ou tecnológicos, pois a capacidade inovativa do

sistema é maior do que a soma das capacidades dos agentes.

Concluindo, as abordagens referentes aos sistemas de inovação podem ser

muito úteis para o estudo da inovação tecnológica, porém é preciso definir o escopo de

estudo, identificando os componentes do sistema, bem como delimitar suas fronteiras,

para que finalmente seja possível analisar as relações-chave que ajudam a entender o

processo de inovação tecnológica.

30

2.1.3. MODELOS DE INOVAÇÂO TECNOLÓGICA

Modelos de inovação são propostas teóricas que tentam ilustrar o modo como

acontecem as inovações tecnológicas. Por se tratar de um evento complexo resultante

da interação entre vários agentes, várias propostas têm sido feitas ao longo do tempo

para modelar o processo de inovação tecnológica.

Entre os modelos encontrados na literatura, pode-se citar como proposta inicial

o modelo linear, que segundo Viotti e Macedo (2001), está associado a idéia de que

existe uma relação direta entre as quantidades e as qualidades dos insumos utilizados

em pesquisa e desenvolvimento e os resultados em termos de inovação tecnológica e

de desempenho econômico, este seria um processo que ocorreria em etapas

seqüenciais e estanques, começando na pesquisa básica, gerando conhecimento

científico sobre o qual poderia ser desenvolvida a pesquisa aplicada, passando

posteriormente para o desenvolvimento experimental. Por fim as invenções resultantes

de P&D seriam incorporadas à etapa de produção e depois alcançariam a

comercialização, sendo assim transformada em inovação tecnológica.

qu

Figura 3. Modelo linear de inovação segundo Viotti e Macedo (2001)

Pes isa BásicaPesquisa Básica Pesquisa AplicadaPesquisa Aplicada Desenvolvimento Experimental

Desenvolvimento Experimental ProduçãoProdução ComercializaçãoComercialização

Empresas

(Demanda de tecnologias)(Oferta de tecnologias)

Instituições / Laboratórios de pesquisa

Pesquisa BásicaPesquisa Básica Pesquisa AplicadaPesquisa Aplicada Desenvolvimento Experimental


EmpresasEmpresas



Empresas

(Demanda de tecnologias)(Oferta de tecnologias)


(Oferta de tecnologias)




EmpresasEmpresas

31

Nuchera, Serrano e Morote (2002), afirmam que a interpretação do modelo linear

de inovação pode ser feita de duas maneiras, a primeira, conhecida como “tecnology-

push”, considera que o processo de inovação tecnológica tem início a partir de um

estoque de conhecimento científico que depois de passar por diversas etapas (pesquisa

básica, pesquisa aplicada, desenvolvimento experimental e produção), introduz um

novo produto ou serviço que pode ser de interesse para o consumidor, a segunda,

chamada de “market-pull”, considera que o mercado é o elemento desencadeante do

processo de inovação tecnológica, segundo Carayannis e Roy (2000), neste modelo a

tecnologia é entendida como uma espécie de mercadoria que seria produzida para

atender a uma demanda por parte das empresas, assim as etapas do processo linear

de inovação acontecem como resposta a uma necessidade de mercado previamente

detectada.

As principais críticas a este modelo são, segundo Nuchera, Serrano e Morote

(2002), o fato de se considerar a inovação tecnológica como um processo racional que

pode ser planejado e controlado, a interpretação de que ciência e tecnologia tem uma

relação seqüencial e o fato de ignorar que a tecnologia detém um corpo de

conhecimentos próprios acumulados por meio de observações empíricas e que portanto

passa a falsa idéia de que a inovação deva se iniciar pela pesquisa básica.

Outro modelo de inovação tecnológica encontrado na literatura é o “elo de

cadeia” (chain-linked model), que de acordo com Viotti e Macedo (2001) foi

desenvolvido por Kline e Rosenberg (1986). Este modelo é mais abrangente que o

linear, adotando a idéia de que a inovação tecnológica é o resultado de interações entre

oportunidades de mercado e a base de competências por parte das empresas. O

processo de inovação tecnológica é composto por diversos sub-processos como

32

invenção, desenvolvimento e comercialização, porém sem uma seqüência claramente

definida e com ocorrência de realimentações entre os subprocessos, ou seja, a etapa

de invenção pode gerar subsídios para a etapa de desenvolvimento, assim como a

própria etapa de desenvolvimento pode gerar subsídios para novas invenções. A figura

abaixo ilustra o conceito do modelo “elo de cadeia”.

s caixas de baixo representam firmas individuais e setores produtivos de forma

agregada, seus símbolos significam:

E = Cadeia central de inovação.

f = Elos de realimentação.

Figura 4. Modelo de inovação “elo de cadeia” segundo Viotti e Macedo (2001)

A

33

R = realimentação particularmente importante.

As conexões verticais significam:

C-P: Conexão de conhecimento para a pesquisa e via de retorno. Quando o

problema é resolvido no módulo C, a conexão 3 para P não é ativada. O retorno da

pesquisa (conexão 4) é problemático, por isso ela é representada em linhas

pontilhadas.

D: Conexão direta dos problemas na invenção e no projeto de e para a pesquisa.

I: Contribuição da indústria para a pesquisa científica via instrumentos, máquinas

- ferramenta e métodos tecnológicos.

F: Apoio financeiro de firmas à pesquisa em ciências subjacentes à área de

produtos para ganhar informações diretamente ou pelo monitoramento dos trabalhos de

terceiros. As informações obtidas podem ser aplicadas em qualquer ponto ao longo da

cadeia.

Neste modelo, a empresa está posicionada no centro do processo de inovação

tecnológica e a pesquisa é vista como uma fonte de solução dos problemas

tecnológicos surgidos durante as etapas deste processo. Mais especificamente, quando

surge um problema em uma das etapas do processo de inovação tecnológica, como na

invenção, no detalhamento de projeto ou na comercialização, a empresa recorre

diretamente a sua base de conhecimentos e capacitações e quando esta não é

suficiente, a empresa recorre a pesquisa para ampliar esta base.

Para Smith (1998) o modelo “elo de cadeia” enfatiza três aspectos básicos:

• A inovação não é um processo seqüencial e envolve muitas realimentações e

interações;

• A inovação envolve insumos dos mais variados tipos;

34

• Os processos de invenção tendem a ser solucionadores de problemas tecnológicos

surgidos durante o processo de inovação ao invés de serem iniciadores deste

processo.

De acordo com Nuchera, Serrano e Morote (2002), um outro modelo de

inovação tecnológica, o chamado modelo misto, incorpora as principais características

dos dois modelos apresentados anteriormente, tratando a inovação tecnológica como

uma seqüência lógica de etapas que não é necessariamente contínua, podendo ser

dividido em partes funcionalmente distintas, mas com etapas interdependentes e

interativas, considerando ao mesmo tempo elementos como o estado da arte da

tecnologia e as necessidades de mercado. Os autores destacam ainda que o modelo

misto de inovação tecnológica considera uma rede de canais de comunicação internos

e externos às organizações envolvidas no processo de inovação, unindo as diferentes

etapas do processo entre si, com o mercado e com a comunidade científica. O modelo

misto de inovação é apresentado na figura abaixo.

Figura 5: Modelo misto de inovação tecnológica Nuchera, Serrano e Morote (2002)

35

Embora hajam diferenças significativas nos modelos apresentados

anteriormente, Nuchera, Serrano e Morote (2002) afirmam haver, como característica

comum, a idéia de seqüencialidade (mesmo considerando as retroações), pois o início

de uma etapa está essencialmente ligado ao término de outra, por isso, os autores

apresentam um modelo que rompe com este pensamento, chamado de modelo

integrado de inovação tecnológica, ilustrado na figura abaixo.

Figura 6. Modelo integrado de inovação tecnológica segundo Nuchera, Serrano e Morote (2002)

O modelo integrado de inovação tecnológica considera que o tempo de

desenvolvimento é uma variável crítica que deve ser otimizada, com este objetivo as

etapas do processo acontecem simultaneamente e com realimentações, eliminando a

idéia de seqüencialidade e de dependência entre o início de uma etapa e término de

outra. Segundo Nuchera, Serrano e Morote (2002), este modelo, também chamado de

36

paralelo, traz o risco de que as etapas, ao ocorrerem independentemente, percam o

seu foco, desenvolvendo elementos que são incompatíveis entre si.

O último e mais completo modelo de inovação tecnológica, segundo Viotti e

Macedo (2001), é o modelo sistêmico, trazendo a idéia de que as empresas não inovam

isoladamente, mas em um contexto de relações com outras empresas (direta ou

indiretamente), com a pesquisa pública (instituições de ensino e pesquisa) e mesmo

com a economia nacional e internacional. O modelo sistêmico de inovação segue a

linha de pensamento sobre sistemas nacionais de inovação já apresentados aqui

anteriormente e destaca-se por considerar simultaneamente aspectos institucionais,

organizacionais e econômicos que caracterizam as dinâmicas inovativas de um país

Figura 7. Modelo sistêmico de inovação tecnológica segundo Viotti e Macedo (2001)

37

A figura acima ilustra o modelo sistêmico de inovação, ao contrário dos modelos

anteriores, que consideravam o processo de inovação tecnológica como um conjunto

de etapas (seqüenciais ou não) que ocorriam na empresa, aqui o foco está nas

relações entre os elementos do sistema como os geradores do processo de inovação

tecnológica, além de considerar outros fatores que influenciam o processo, como o

contexto macroeconômico, as condições de mercado e a infra-estrutura de

comunicações, além de considerar os impactos causados pelo processo no

desempenho do país, como crescimento econômico, criação de empregos e

competitividade.

Em decorrência destes impactos e devido ao fato de considerar características e

determinantes das dinâmicas científicas e tecnológicas em âmbito nacional, este

modelo pode ser aplicado para a comparação dos processos de inovação tecnológica

entre países, podendo para isso combinar indicadores de inovação tecnológica com

indicadores de natureza socioeconômica.

Embora não se possa descartar os modelos anteriores, existe uma clara

evolução no entendimento de como acontecem os processos de inovação tecnológica,

desde o modelo linear até o modelo sistêmico pela abrangência de sua proposta.

O modo como os processos de inovação tecnológica são entendidos podem

influenciar diretamente decisões sobre políticas públicas e mesmo estratégias

empresariais, ao utilizar o modelo linear ou o modelo elo de cadeia, tende-se a valorizar

a capacitação tecnológica da empresa como forma de incentivar o processo, entretanto,

ao utilizar o modelo sistêmico o foco se amplia, considerando além das empresas, os

38

centros de pesquisa, as instituições de apoio e os fatores de influência já citados o que

pode tornar estas decisões muito mais complexas.

Embora os modelos de inovação tecnológica, sejam apenas representações

teóricas da realidade (como qualquer modelo), são conceitos muito importantes para o

entendimento do processo da inovação tecnológica, contudo, o seu estudo deve

considerar a utilização de ferramentas que permitam uma avaliação concisa deste

processo e para isso, usualmente são utilizados indicadores de inovação tecnológica,

que serão apresentados no próximo item.

2.1.4. INDICADORES DE INOVAÇÂO TECNOLÓGICA

Indicadores de inovação tecnológica são medidas usualmente utilizadas na

mensuração da performance inovativa, seja de uma empresa, um setor, ou mesmo de

países. Para Godin (2001), os indicadores de inovação têm sua origem nos anos trinta

quando, foi publicado um dos primeiros registros modernos de medidas ou indicadores

deste tipo, referindo-se ao trabalho de Bernal (1939), que era baseado em uma pioneira

estimativa de gastos em atividades de pesquisa realizada no Reino Unido.

Viotti e Macedo (2001) ressaltam Schmookler (1950) como sendo um dos

primeiros a fazer uso das estatísticas de patentes como forma de mensurar atividades

tecnológicas e Price (1963), pioneiro no desenvolvimento da bibliometria (contagem

sistemática das publicações como indicadores de produção científica)

39

Ainda em 1963 aconteceu o grande marco na evolução dos indicadores de

inovação, a publicação pela OCDE (Organização de Cooperação e Desenvolvimento

Econômico) do “Manual Frascati”, que consistia no primeiro manual metodológico para

padronização da coleta, tratamento e uso de estatísticas sobre pesquisa e

desenvolvimento.

Outro marco importante foi a publicação sistemática de indicadores de CT&I a

partir de 1972, nos Estados Unidos, com o título “Science Indicators” (que depois teve

seu nome alterado para “Science and Engineering Indicators”) pela NSF (National

Science Foundation).

Baseando-se nos trabalhos de Michie (1998), Andreassi (1999), Patel e Pavitt

(1995) e Archibugi (1988), os indicadores de inovação tecnológica podem ser

classificados em cinco grandes grupos:

• Recursos devotados a P&D

Consistem de recursos financeiros e recursos humanos alocados pelas

empresas em pesquisa e desenvolvimento, sua principal vantagem é fornecer uma

medida quantitativa do esforço empreendido pela empresa em inovar e sua principal

desvantagem está no fato de não detectar a inovação tecnológica fora das empresas

(institutos de pesquisa, universidades e etc.) e também em empresas pequenas que

não tenham uma função P&D formalizada.

• Patentes

Segundo Andreassi (1999) as patentes são o indicador mais encontrado na

literatura e representando o resultado do processo de inovação, sua principal vantagem

é a grande disponibilidade de estatísticas relacionadas a patentes e a principais

desvantagens são que nem todas as invenções são patenteadas e que uma grande

40

parte das patentes nunca são exploradas, sendo requeridas para impedir o

desenvolvimento de terceiros.

• Indicadores Bibliométricos

A Bibliometria consiste da contagem sistemática das publicações e citações

como indicadores de produção científica, sua principal vantagem é a disponibilidade de

enormes bases de dados internacionais sobre o assunto, entretanto sua principal

desvantagem é não poder medir a qualidade dos trabalhos publicados mas somente a

quantidade, (LINDSAY,1989).

• Balanço de pagamentos tecnológicos

Este tipo de indicador mede transações de transferência de tecnologia entre

firmas e setores de diferentes países, permitindo a visualização de quanto um país gera

e exporta tecnologia e o quanto é dependente da tecnologia gerada no exterior. O maior

problema deste indicador segundo Madeuf (1984) é não computar a tecnologia não

comercial, principalmente a gerada em universidades e centros de pesquisa. Outra

desvantagem segundo Pavitt (1995) é que este tipo de indicador não é muito preciso

pois é comum instituições diferentes em um mesmo país encontrarem resultados

bastante distintos.

• Transações de produtos de alta tecnologia

Segundo Andreassi (1999) produtos de alta tecnologia são aqueles que sofreram

o investimento de muitos recursos em pesquisa e desenvolvimento, a mensuração do

quanto um país ou um setor consegue desenvolver em termos destes produtos serve

de medida da inovação. Sua maior crítica está relacionada a classificação de o que

pode e o que não pode ser considerado produtos de alta tecnologia.

41

Michie (1998), afirma que os indicadores de inovação tecnológica são apenas a

“ponta do iceberg de inovação”, para o autor, claramente existem relações entre as

partes visíveis e as não visíveis que ainda não foram estudadas e podem fornecer

medidas importantes, se referindo ao fato de os indicadores descreverem partes

pontuais da inovação tecnológica e não o processo em si.

Entretanto diversos trabalhos têm sido realizados nos últimos anos utilizando

indicadores de inovação como forma de mensurar a inovação tecnológica. Entre estes

podem ser citados como exemplos os trabalhos de Noyons et alli (1998), Pakes (1985),

Faber e Hesen (2002), Parasuraman e Zeren (1983), Morbey (1989), Hagedoorn

(2001), Meliciani (2001) entre outros.

Segue abaixo um quadro contendo um resumo de alguns trabalhos e de suas

respectivas características:

Quadro 1. Estudos que utilizaram indicadores de inovação

42

Embora, segundo Matesco apud Andreassi (1999), não exista consenso na

literatura sobre quais variáveis devem ser incluídas e nem o modo de mensuração mais

adequado para a inovação tecnológica, Kannebley, Porto e Pazzelo (2003) afirmam que

as principais características que diferenciam as empresas inovadoras das não

inovadoras são o tamanho, a origem do capital controlador, a orientação exportadora e

a variação interindustrial. Estas afirmações justificam-se, pois as atividades inovativas

estão positivamente relacionadas ao tamanho das empresas devido principalmente aos

ganhos de escala, a maior possibilidade de crédito e a constituição de departamentos

de P&D, já a origem do capital controlador têm sua relevância devido ao fato de as

empresas multinacionais possuírem acesso cativo à tecnologia e a capacitações

organizacionais e gerenciais. Sobre a orientação exportadora, os autores afirmam que

as empresas que exportam, devido à sua exposição mercado internacional, são

incentivadas a desenvolver mais atividades inovativas e com respeito à variação

interindustrial, a justificativa baseia-se nas oportunidades de progresso técnico que são

certamente maiores em determinados setores industriais (computação, eletrônica e etc.)

do que em outros.

Por isso, ao escolher a melhor forma de mensuração da inovação tecnológica é

preciso considerar estas características como forma de evitar vieses, por exemplo, na

literatura é comum utilizar variáveis do tipo “número de pessoas alocadas em P&D

sobre o número total de pessoas”, ou então “faturamento advindo de novos produtos

sobre o faturamento total”, evitando análises com valores absolutos.

Para a elaboração desta pesquisa foram selecionados na literatura alguns

trabalhos que analisaram a inovação tecnológica utilizando indicadores e que serviram

de referência para os objetivos estabelecidos e para as hipóteses formuladas.

43

Kannebley, Porto e Pazzelo (2001) Descrição Principais conclusões

Caracterização das empresas inovadoras do Brasil por meio de dados da Pesquisa de Inovação tecnológica (PINTEC) - 2000

Os autores identificaram que a orientação exportadora, a origem do capital controlador e a variação interindustrial são, nesta ordem os fatores que diferenciam as empresas inovadoras das não inovadoras.

Sbragia, Kruglianskas e Arango-Alzate (2002) Descrição Principais conclusões

Estudo das diferenças entre as empresas mais e menos inovadoras do Brasil, estabelecendo uma tipologia baseada em indicadores de capacitação e inovação tecnológica.

Os autores concluíram que o número de empresas inovadoras e capacitadas tecnologicamente é muito pequeno, entretanto são mais eficientes em termos de lucro líquido e faturamento.

Quadros et alii (2001) Descrição Principais conclusões

Estudo sobre fontes de informação para atividades inovativas nas indústrias do estado de São Paulo utilizando dados da PAEP.

Os autores concluíram que de forma geral as fontes de informação mais importantes são aquelas de origem comercial, ou seja, concorrentes, fornecedores e consumidores.

Andreassi e Sbragia (2002) Descrição Principais conclusões

O trabalho examinou fatores determinantes para o grau de inovatividade das indústrias brasileiras mais e menos inovadoras por meio do faturamento advindo de novos e melhorados produtos.

Os resultados mostraram que somente duas variáveis estudadas diferenciam as empresas inovadoras e não inovadoras, que são o número de mestres e doutores por número total de funcionários e o número de projetos finalizados.

Andreassi (1999) Descrição Principais conclusões

Estudo das relações entre esforço de P&D e resultados obtidos pelas empresas brasileiras utilizando dados da Associação Nacional de Pesquisa e Desenvolvimento de Empresas industriais (ANPEI)

Os resultados apontam para a inexistência de correlação entre indicadores de lucratividade e participação no mercado com os indicadores de intensidade ou resultado de P&D.

Bound et alii (1984) Descrição Principais conclusões

Análise de uma amostra de 2582 empresas americanas sobre investimentos em P&D e quantidade de patentes obtidas.

Os autores encontraram forte correlação entre patenteamento e gastos em P&D, além disso, verificaram que as pequenas empresas obtiveram mais patentes por quantidade de capital investido.

Parasuraman e Zeren (1983) Descrição Principais conclusões

Análise setorial da inovação tecnológica em uma amostra de 310 empresas, considerando investimentos em P&D e lucro líquido.

Os autores encontraram alto grau de correlação de investimentos em P&D e lucro líquido em diversos setores estudados, mesmo quando não se considera defasagens de tempo.

Morbey e Reitner (1990) Descrição Principais conclusões

Análise de uma amostra de 727 empresas americanas onde se procurou entender as relações entre margem de lucro, faturamento e gastos em P&D

Os resultados mostraram forte correlação entre os gastos em P&D e margem de lucro e faturamento por empregado

Belderbos et alii (2004) Descrição Principais conclusões

O trabalho pesquisou o impacto da cooperação em P&D na performance de vendas de produtos novos para o mercado

Os autores concluíram que todas as formas de cooperação em P&D tem impacto positivo na performance de vendas de novos produtos.

Quadro 2. Trabalhos de referência para esta pesquisa

44

O quadro 2 traz as principais referências desta pesquisa, servindo para nortear a

investigação sobre inovação tecnológica no Estado de São Paulo, a que esta pesquisa

se propõe.

Concluindo, existe uma vasta literatura disponível com trabalhos que utilizaram

os vários tipos de indicadores que permitem direta ou indiretamente, mensurar a

inovação tecnológica. Entretanto, a utilização dos indicadores deve levar em conta as

vantagens, desvantagens e a disponibilidade de dados de cada um deles além de

considerar as características das empresas que serão estudadas, assunto que também

foi discutido neste item.

2.1.4.1. INDICADORES DE INOVAÇÃO E DE P&D

A avaliação dos resultados da atividade de P&D em contextos empresariais tem

se tornado um assunto de interesse crescente nos últimos anos. Segundo Vasconcellos

et alii (1999), de um lado isto está associado ao volume de recursos e ao crescimento

gradativo do valor que tem sido investido em P&D pelas empresas, principalmente

aquelas em que a tecnologia tem grande influência no sucesso empresarial, e de outro

lado, pela necessidade de expressar as contribuições da função P&D, de forma que

possam ser compreendidas e apreciadas pelas outras áreas da empresa.

Além disso, de acordo com Lee et alii (1996), mensurar a efetividade da função

P&D é importante para determinar quando novos investimentos na área são

necessários e quando a máxima produtividade da função foi alcançada. Também,

45

segundo os autores, é essencial para a motivação e para a determinação de

recompensas para os trabalhadores alocados em P&D de acordo com sua contribuição

para os negócios da empresa.

Segundo Pappas e Remer (1985) as principais técnicas para a avaliação da

função P&D podem ser divididas em três tipos: Quantitativas, Semi-quantitativas e as

Qualitativas.

As abordagens de avaliação de utilizam técnicas quantitativas consideram como

premissa o fato de que o retorno financeiro de uma empresa, dado pelo valor de suas

vendas ou lucros é função do montante investido em P&D e de um conjunto de outras

variáveis, como qualidade da administração, características do mercado, força de

trabalho disponível, entre outras; que não podem ser adequadamente consideradas por

problemas de complexidade, por isso elas têm sido tomadas como constantes nos

modelos conceituais presentes em tais estudos, (VASCONCELLOS et alii, 1999).

Parasuraman e Zeren (1983), em um dos trabalhos que são referência para esta

pesquisa, conduziram um estudo que discutia as relações entre P&D, lucros e vendas,

baseando-se em dados de uma amostra de 310 empresas de 24 setores, todas com

vendas anuais superiores a 35 milhões de dólares e recursos alocados em P&D

superiores a um milhão por ano e considerando diferentes defasagens de tempo (de 0 a

4 anos). Os autores encontraram correlações bastante altas entre recursos investidos

em P&D e o valor em vendas / lucros das empresas como um todo, considerando ou

não as defasagens de tempo. Entretanto, ao considerar os diferentes setores de

atividade os autores encontraram diferenças de magnitude nessas correlações, setores

como telecomunicação, computação e petróleo apresentaram maiores índices enquanto

46

setores como o de bebidas e alimentos, materiais de construção e têxtil apresentaram

índices menores.

Quanto às defasagens de tempo, embora o estudo tenha encontrado diferenças

setoriais, parece não haver na literatura consenso sobre qual a defasagem de tempo

mais adequada a se considerar entre investimentos em P&D e sua relação com lucros /

vendas, porém, para Morbey e Reithner (1990) é notória a existência de correlação

positiva significativa entre lucros / vendas e investimentos em P&D realizados em

períodos precedentes.

O trabalho de Morbey e Reithner (1990), outra forte referência para essa

pesquisa, buscou analisar relações entre investimentos realizados em P&D por

empregado e as variáveis margem de lucro, retorno sobre o investimento e vendas por

empregado, utilizando uma amostra de inicial de 981 empresas e considerando um

horizonte de tempo de cinco anos. Os autores encontraram forte relação entre

investimentos realizados em P&D por empregado e vendas por empregado, porém não

foi encontrada relação entre investimento em P&D por empregado e margem de lucro

no período considerado.

As técnicas semi-quantitativas, segundo Vasconcellos et alli (1999) combinam os

julgamentos qualitativos sobre a performance da área de P&D, realizados por pessoas

situadas próximas a área e quantificados de acordo com diferentes escalas de medida,

com indicadores quantitativos. Foster et alli (1985), propôs duas dimensões básicas

para a este tipo de avaliação, a produtividade de P&D que combina o progresso técnico

alcançado pela função (julgamento qualitativo sobre qual o progresso conseguido pela

área, feito por gerentes de P&D) com o investimento em P&D e a capitalização de P&D

que combina o progresso técnico com lucro. A figura abaixo ilustra estes conceitos.

47

Produtividade de P&D:

Progresso técnico / Investimento em P&D

Capitalização de P&D:

Lucro / Progresso técnico

Produtividade Potencial

Eficiência do Desenvolvimento tecnológico

Potencial de Capitalização

Eficiência Operacional

Retorno de de P&D:

Lucro / Investimento









Produtividade Potencial

Eficiência do Desenvolvimento tecnológico

Potencial de Capitalização

Eficiência Operacional

Retorno de de P&D:


Retorno de de P&D:


Figura 8. Avaliação da contribuição de P&D para a empresa segundo Foster et alii (1985).

Para Foster et alii (1985) a produtividade de P&D avalia duas importantes

características da função, a produtividade potencial, ou seja, a potencialidade que a

função apresenta de se converter investimentos em evolução técnica e a eficiência com

que consegue este progresso. Do mesmo modo a capitalização de P&D avalia a

potencialidade de a função P&D capitalizar sobre o progresso técnico alcançado e qual

a eficiência operacional desse processo.

As técnicas qualitativas de análise da função P&D, segundo Vasconcellos et alli

(1999), têm sido muito pouco empregadas por se tratarem de avaliações puramente

subjetivas de percepções sobre a função P&D, não considerando de maneira

quantitativa aspectos importantes como investimentos e resultados alcançados pela

função.

Todas as técnicas citadas têm características que as tornam mais adequadas em

determinadas situações, o quadro abaixo ilustra as técnicas e suas ênfases:

48

Figura 9. Técnicas de avaliação de P&D

A técnica adequada de avaliação deve ser escolhida baseando-se no foco da

análise a ser realizada e no nível de exatidão das informações geradas, se a

necessidade do foco é mais ampla e a exatidão mais baixa a técnica adequada é a

qualitativa, do contrário deve se a técnica quantitativa, e em caso de uma situação

intermediária, a técnica semi-quantitativa.

2.2. FATORES DE INFLUÊNCIA NO PROCESSO DE INOVAÇÃO TECNOLÓGICA

Este tópico visa descrever alguns dos principais fatores que podem influenciar a

inovação tecnológica nas empresas, embora deva se destacar que o fenômeno da

inovação tecnológica seja complexo e provenha da combinação de inúmeros fatores,

são descritos aqui os que foram considerados preponderantes para descrever o

fenômeno, baseado no que foi encontrado na revisão bibliográfica sobre o assunto.

49

2.2.1. AS ATIVIDADES DE PESQUISA E DESENVOLVIMENTO (P&D)

Os conceitos sobre a inovação tecnológica têm evoluído ao longo do tempo no

que concerne ao entendimento do que seja inovar e dos atores que fazem parte deste

processo, entretanto, no caso específico das empresas, as atividades de inovação

tecnológica estão diretamente ligadas às atividades de pesquisa e desenvolvimento

(P&D), estando estas contidas em um departamento ou diluídas na organização.

O manual de OSLO (OECD,1992), principal referência sobre coleta e análise de

dados sobre inovação tecnológica, se refere à inovação como sendo a introdução no

mercado de um novo produto ou um novo processo, bem como qualquer mudança

tecnológica significativa introduzida nos mesmos. Segundo Andreassi e Sbragia (1999)

esta introdução ou alteração em produtos e processos é realizada nas empresas pelas

atividades inovativas, que podem ser a aquisição de tecnologia, a engenharia industrial

ou de maneira mais sofisticada a pesquisa e desenvolvimento (P&D), que consiste do

trabalho criativo desenvolvido de maneira sistemática com o objetivo de ampliar o

estoque de conhecimento.

Nesse mesmo contexto Hagedoorn (2001) afirma que as atividades de P&D são

aquelas ligadas ao processo de enriquecimento do conhecimento científico ou técnico e

sua aplicação na criação de novos e melhorados produtos e processos.

Ampliando o conceito anterior, Sbragia (1999) afirma que o espaço empresarial

atualmente ocupado pelas atividades de inovação é melhor expresso pelo conceito de

“P&D&E” (Pesquisa, Desenvolvimento e Engenharia não-rotineira) pois adiciona novos

elementos à definição anterior, incluindo os serviços tecnológicos como estudos de

50

prospecção, ensaios, testes e análises técnicas, documentação técnica, capacitação de

recursos humanos, produção experimental, a aquisição de tecnologia, embutida ou

explícita, tanto no país quanto fora dele e a chamada “engenharia não rotineira”, ou

seja, atividades de engenharia mais diretamente relacionadas ao processo de inovação,

tais como “design”, desenvolvimento de novo ferramental, engenharia de novos

processos, desenvolvimento de novos procedimentos de garantia da qualidade e

outros.

Para entender a função P&D nas empresas, Brown e Svenson (1988)

propuseram o seguinte modelo conceitual:

Figura 10. A função P&D vista como um sistema segundo Brown e Svenson (1988)

Os autores afirmam que a função P&D é um sistema composto de cinco partes:

• Inputs: são as entradas do sistema, compostas principalmente de idéias,

informações, equipamentos, pessoas e fundos necessários para as atividades de

P&D;

• Processamento: consiste do próprio laboratório de P&D que transforma os inputs

em outputs (ou saídas) por meio de suas pesquisas;

51

• Outputs: são os produtos resultantes do processamento, podem ser patentes,

projetos finalizados, novos produtos, novos processos ou simplesmente

conhecimentos científicos;

• Recebimento: são as áreas da empresa que recebem os vários outputs

provenientes do sistema de processamento como departamentos de Marketing,

Engenharia ou Vendas por exemplo;

• Outcomes: são os resultados empresariais conseguidos pelo sistema como lucro

e participação no mercado, advindos de novos produtos ou redução de custos

advindo de novos processos.

Segundo Karlsson et alli (2004) as atividades de P&D estão se tornando cada

vez mais importantes para a obtenção de resultados empresariais devido ao aumento

da competição entre as empresas e ao fato das inovações estarem cada vez mais

ligadas ao desenvolvimento científico, o que muitas vezes demanda grande quantidade

de recursos financeiros, humanos e organizacionais.

Por isso, muitas organizações têm optado por complementar seus recursos e

suas competências adotando a cooperação de pesquisa e desenvolvimento, seja com

fornecedores, com consumidores ou mesmo com concorrentes, objetivando aumentar

sua eficiência nesta área. Esta opção, embora apresente muitas vantagens, deve ser

considerada de acordo com a necessidade de cada empresa, permitindo definir o tipo

de parceiro adequado para a cooperação. Devido à sua relevância, a cooperação de

pesquisa e desenvolvimento será abordada no item subseqüente.

52

2.2.2. COOPERAÇÃO DE P&D

De acordo com Hagedoorn (2002), a cooperação em pesquisa e

desenvolvimento é um tipo de relacionamento entre duas ou mais organizações que

passam a desenvolver estas atividades de maneira compartilhada.

Segundo Teece apud Hagedoorn (2002), nos últimos anos têm havido uma

tendência de crescimento da cooperação de P&D na forma de parceria, principalmente

onde as organizações estão envolvidas em áreas de alto risco em que a futura

importância da tecnologia desenvolvida é incerta. Dentro deste conceito, Becker e Dietz

(2004) afirmam que a cooperação em P&D apresenta grandes vantagens, como a

sinergia entre as organizações envolvidas, que proporciona a geração de conhecimento

que muitas vezes não poderia ser obtido internamente, a transferência deste

conhecimento, o compartilhamento de recursos e a aprendizagem organizacional.

Belderbos et alii (2004) afirmam que a cooperação em P&D pode ocorrer em

quatro formas, de acordo com o apresentado na figura abaixo:

Figura 11. Formas de cooperação em P&D segundo Belderbos et alli (2004)

53

Segundo os autores, os diferentes tipos de cooperação em P&D são voltados

para propostas diferentes, assim, a cooperação horizontal visa à geração de

conhecimento com maior potencial de aplicabilidade ao mercado, já a cooperação

vertical com organizações consumidoras possui foco no desenvolvimento de novos e

melhorados produtos, enquanto que a cooperação vertical com organizações

fornecedoras foca a redução de custos, por último, a cooperação institucional é voltada

para o desenvolvimento de tecnologias genéricas e famílias de produtos em setores de

grandes oportunidades tecnológicas.

Tether (2002) ao estudar os tipos de cooperação em P&D, tanto em suas

relações dentro da cadeia produtiva como fora dela, resumiu as principais vantagens de

cada tipo:

a) Cooperação com organizações consumidoras: Provê conhecimento complementar

Introduzindo a experiência técnica do usuário e auxilia a entender o comportamento do

consumidor, o que pode ser relevante para os refinamentos da inovação, com isso

aumenta as chances da inovação ser aceita e adotada pela comunidade de

organizações consumidoras, o que pode ser particularmente importante no caso do

consumidor com quem foi estabelecida a cooperação ser respeitado na comunidade.

b) Cooperação com organizações fornecedoras: Auxilia na tomada de decisão sobre

fazer ou comprar determinado tipo de insumo, além de auxiliar no desenvolvimento de

insumos de melhor qualidade e menor custo e também diminui a incerteza entre

fornecimento e demanda reduzindo custos.

54

c) Cooperação com organizações concorrentes: Auxilia o desenvolvimento de uma

base tecnológica comum (padrão) para os futuros desenvolvimentos independentes de

cada organização, o que é particularmente útil nos casos em que o desenvolvimento da

tecnologia é oneroso mas o produto ou o processo pode ser rapidamente copiado,

trazendo desvantagem ao primeiro entrante da área. Pode ajudar também a entender

as forças e fraquezas de cada organização, sendo possível encontrar áreas em uma

organização onde haja pontos fortes que complementem as fraquezas da outra

organização.

d) Cooperação institucional: Permite o acesso a recursos humanos fortemente

qualificados, o acesso a instalações universitárias e a fundos governamentais e o

acesso a instalações de P&D. Muitas vezes a organização institucional (universidades,

centros de pesquisa e etc.) coopera em pesquisas de longo prazo, o que dificilmente

seria aceito por outros tipos de organizações.

Para Miotti e Sachwald (2003) a decisão sobre o tipo de cooperação que deve

ser estabelecido, deve ser baseada na complementaridade de recursos entre os

envolvidos, o que sugere que um parceiro adequado deve possuir os recursos que o

outro procura. Isso se resume em duas opções, a primeira é quando a necessidade é

por recursos similares como nos casos em que se busca redução de custos por meio de

economias de escala e a racionalização do processo inovativo, a segunda é por

recursos complementares, como tecnologia ou conhecimento técnico, o que causa uma

forte interdependência entre as organizações envolvidas.

55

Por fim, destaca-se que a cooperação em pesquisa e desenvolvimento, nas

suas várias formas, pode trazer grandes benefícios para as organizações envolvidas,

suprindo as lacunas de uma organização com os recursos de outra e aumentando a

competitividade de ambas, entretanto é preciso considerar qual o tipo adequado de

cooperação a ser estabelecido para que esta atinja plenamente os seus objetivos.

2.2.3. APOIO GOVERNAMENTAL

Segundo Cruz (2000), as empresas são as principais forças inovadoras de um

país. Deste modo, o papel principal que o governo deve exercer no que tange à

inovação tecnológica dever ser, portanto, o de prover os incentivos corretos ao

desenvolvimento e à difusão de inovações por parte do setor privado, promovendo um

ambiente político, econômico e institucional que estimule as empresas a investir em

ciência, tecnologia, pesquisa e desenvolvimento.

Dentro deste contexto, de acordo com o exposto por Fonseca (2001) é possível

dividir as ações do governo para o incentivo à inovação tecnológica em ações diretas e

ações indiretas, que por sua vez podem ser classificadas de acordo com o apresentado

na figura 12, apresentada na próxima página.

56

Ações indiretas

• Criação de ambiente econômico e político favorável

• Garantir direitos de propriedade sobre as inovações

• Incentivar a competição • Favorecer a política comercial • Capacitação (formação de

recursos humanos e criação de centros de pesquisa)

Ações diretas

• Agir como demandante de inovações

• Incentivar via subsídios financeiros, incentivos fiscais ou creditícios

APOIO GOVERNAMENTAL PARA A INOVAÇÃO

TECNOLÓGICA

Figura 12: Ações de apoio governamental para a inovação tecnológica.

As ações indiretas reputam aos seguintes fatores: à criação de um ambiente

econômico e político que seja estável, por meio de políticas que favoreçam a atração de

investimentos externos e os provindos de agentes domésticos (o que em parte devem

ser aplicados em atividades ligadas à inovação tecnológica), garantir os direitos de

propriedade sobre inovações por meio de suas leis, incentivar a competição entre as

empresas, coibindo a formação de cartéis, monopólios e forte concentração de

mercado, favorecer a troca de bens e serviços com o mercado externo o que age

estimulando a indústria nacional a se desenvolver, além da troca de idéias que vem

junto com a troca de produtos, além da capacitação do país, tanto na formação

qualificada de recursos humanos, como na criação de institutos de pesquisa e centros

tecnológicos.

Em termos de ações diretas, segundo Sharp e Pavitt (1993) o governo pode agir

principalmente de duas formas, a primeira é criar demanda para novos bens e serviços

57

e processos, que seriam utilizados nas suas instituições como empresas públicas e

agências reguladoras, a segunda forma é fornecer subsídios fiscais para empresas que

realizem inovações tecnológicas, aumentar o crédito para que empresas inovadoras

aumentem sua infra-estrutura ou financiando diretamente projetos ligados à inovação

tecnológica.

A segunda forma de ação direta de apoio do governo para atividades de

inovação tecnológica, por se tratar da maneira mais diretamente aplicável ao meio

empresarial (explicitamente no caso desta pesquisa, nas empresas industriais), foi

escolhida para compor o conjunto de variáveis independentes do modelo que será

apresentado no capítulo sobre metodologia.

2.2.4. FONTES DE INFORMAÇÃO PARA ATIVIDADES INOVATIVAS

Segundo Brown e Svenson (1988), as informações constituem uma das

principais entradas para a função P&D de uma organização e conseqüentemente para

as inovações tecnológicas geradas por ela. Prado e Porto (2001) reforçam esta idéia

afirmando que as fontes de inovação e tecnologia são de extrema relevância para a

performance inovadora apresentada pelas empresas.

Entre as possíveis fontes de informação para pesquisa e desenvolvimento a

OCDE (2002) propôs a seguinte classificação:

a) Fontes internas: própria função P&D, a função Marketing, a função Produção e

outras fontes internas.

58

b) Fontes externas (fontes de mercado / comerciais): concorrentes, aquisição de

tecnologia, consumidores, empresas de consultoria, fornecedores de equipamentos,

materiais, componentes e softwares.

c) Fontes educacionais / pesquisa: Instituições de ensino superior, institutos

governamentais de pesquisa, institutos privados de pesquisa.

d) Informações geralmente disponíveis: divulgações de patentes, conferências,

reuniões e jornais profissionais, feiras e mostras.

As fontes de informação utilizadas em pesquisa e desenvolvimento devem ser

acessadas de acordo com a demanda da organização por um tipo de informação

específico. Para Landry e Amara (2004), as fontes externas de informação (de mercado

/ comerciais) podem prover conhecimentos de grande importância como, estabelecer

quais são as necessidades dos consumidores, novas oportunidades de mercado,

informações que auxiliem na tomada de decisão sobre fazer ou comprar determinado

item e informações para o desenvolvimento de matérias primas ou componentes de

melhor qualidade e menor custo.

Quanto às fontes educacionais / pesquisa, Landry e Amara (2004) afirmam que

as organizações as utilizam quando a demanda por informação é relacionada à

pesquisa de base, ao contrário das fontes disponíveis (divulgação de patentes,

conferências, reuniões e jornais profissionais, feiras e mostras) que em geral são

acessadas quando as organizações necessitam de informação sobre tecnologia

aplicada.

Segundo Lee e Na (1994), as fontes internas de informação exercem papel de

grande importância para a função P&D, sejam estas informações provindas da área de

Marketing (informações sobre o comportamento do consumidor e do mercado) da área

59

de Produção (conhecimentos técnicos e viabilidade de execução), da própria função

P&D (pesquisas anteriores) ou de outras fontes.

Quadros et alii (2001) analisando a inovação no estado de São Paulo

encontraram os resultados apresentados na tabela a seguir:

Quadros et alii (2001), utilizando dados da PAEP relativos ao período de 1994 a

1996, analisaram as fontes de informação para inovação tecnológica no estado de São:

Tabela 1 – Ranking das fontes de informação por tamanho da empresa segundo Quadros et alii 2001

Na tabela 1 estão representadas as fontes de informação apontadas como “muito

importantes” ou cruciais para as empresas pesquisadas. Os resultados encontrados

sugerem que as fontes de informação mais importantes são aquelas ligadas às

relações comerciais, ou seja, aquelas ligadas à consumidores, fornecedores e aos

concorrentes. Os autores afirmam que estes resultados refletem a postura reativa das

empresas nacionais frente aos estímulos do mercado (o inverso de uma postura pró-

ativa no que diz respeito à inovação). Além disso, os autores afirmam que estes

resultados reforçam a idéia de que a inovação tecnológica não se inicia em áreas

diretamente ligadas à tecnologia (marketing ou vendas por exemplo).

Entretanto as empresas grandes constituem a exceção neste quadro

posicionando as atividades de P&D internas como as segundo mais importantes (para

60

as empresas médias e para as pequenas estas atividades aparecem apenas em quarto

lugar). Outro aspecto importante citado pelos autores é a baixa importância atribuída as

relações com as universidades, que deveria ser mais bem explorada pelas empresas

brasileiras.

Concluindo, a inovação tecnológica é um processo multifacetado que utiliza os

mais variados inputs, para realizar este processo a empresa dispõe de diversos tipos de

fontes de conhecimento que devem ser selecionados de acordo com sua necessidade,

entretanto, é preciso certificar-se que estas informações sejam fidedignas e respeitem

critérios determinados de representatividade.

61

3. ASPECTOS METODOLÓGICOS

Este capítulo tem por finalidade apresentar os meios pelos quais se busca atingir

os objetivos da pesquisa, levando-se em consideração o fato de que o método não

deve ser mais importante do que o próprio problema de pesquisa.

Sobre este conceito Chizotti apud Escrivão Filho (1992, p.127) afirma que: “a

pesquisa é uma criação que mobiliza a acuidade inventiva do pesquisador, sua

habilidade artesanal e sua perspicácia para elaborar a metodologia adequada ao

campo de pesquisa e aos problemas que ele enfrenta com as pessoas que participam

da investigação”. Seguindo esta linha, será apresentada a seguir a estrutura

metodológica utilizada para o desenvolvimento da pesquisa.

3.1. TIPO DA PESQUISA

A finalidade de uma pesquisa deve ser descobrir respostas para determinadas

questões mediante a utilização de métodos científicos para aumentar a probabilidade

das informações obtidas serem aplicáveis às questões apresentadas e de serem

seguras e totalmente imparciais. Apesar de muitas vezes a pesquisa não resultar,

necessariamente, em uma informação aplicável, fidedigna e imparcial. Para Selltiz et

alii (1987), os métodos científicos da pesquisa têm maior probabilidade de êxito do que

qualquer outro procedimento conhecido do homem.

62

No meio acadêmico é comum classificar as pesquisas baseando-se em seus

objetivos gerais, sendo possível classificá-las em: pesquisas exploratórias, pesquisas

explicativas e pesquisas descritivas (GIL, 2002).

Ao buscar analisar setorialmente a inovação tecnológica nas indústrias do estado

de São Paulo, esta pesquisa assume um caráter descritivo, que segundo Richardson

(1999) é caracterizada por tentar descrever sistematicamente uma área de interesse ou

um fenômeno, sendo esta descrição sempre detalhada e objetiva.

Para Gil (2002), este tipo de classificação é muito útil para o estabelecimento de

um marco teórico, possibilitando uma aproximação conceitual com o objeto de estudo.

Segundo este autor, um elemento importante da pesquisa é o procedimento adotado

para a coleta de dados, que podem ser.

[...] aqueles que se valem das chamadas fontes de “papel” e aqueles cujos dados são fornecidos por pessoas. No primeiro grupo estão a pesquisa bibliográfica e a pesquisa documental. No segundo estão a pesquisa experimental, a pesquisa ex-post facto, o levantamento e o estudo de caso. (GIL , 2002, p. 43)

Este estudo faz parte do primeiro tipo proposto por Gil (2002), utilizando para

isto, dados secundários quantitativos coletados pela Pesquisa de Atividade Econômica

Paulista – PAEP, que foi realizada pela fundação SEADE em dois períodos, o primeiro

referente ao ano de 1996 e o segundo referente ao ano de 2001.

Ao propor a utilização deste tipo de dados (quantitativos), a presente pesquisa

pode ser classificada como sendo quantitativa, que segundo Richardson (1999), é

caracterizada pelo emprego da quantificação, tanto na coleta de informações como em

seu tratamento por meio de técnicas estatísticas, ou seja, a presente pesquisa é

quantitativa e de caráter descritivo.

63

3.2. PERGUNTAS E HIPÓTESES DE PESQUISA

Para Kerlinger (1980, p.36) apud Porto (2000) “Um problema de pesquisa

científica em primeiro lugar é uma questão, uma sentença em forma interrogativa.

Segundo, uma questão que geralmente pergunta alguma coisa a respeito das relações

entre fenômenos ou variáveis. A resposta à questão é procurada na pesquisa”. Por

isso, apesar de existirem muitos questionamentos que poderiam ser realizados ao se

estudar a inovação tecnológica no estado de São Paulo, apresentam-se a seguir

aqueles que nortearam esta pesquisa, na qual a pergunta central foi assim formulada:

Quais são os resultados do esforço inovador da indústria paulista?

Buscando se esclarecer a referida pergunta central, foram definidas as seguintes

perguntas específicas:

a) Existe correlação significativa entre investimento financeiro alocado em P&D e

inovação tecnológica em produtos e processos?

b) Existe correlação significativa entre investimento de recursos humanos alocados em

P&D e inovação tecnológica em produtos e processos?

c) Existe correlação significativa entre a atribuição de importância às fontes de

informação para atividades inovativas e inovação em produtos e processos?

64

d) Existe correlação significativa entre a presença de laboratório ou departamento

específico de P&D e inovação tecnológica em produtos e processos?

e) Existe correlação significativa entre cooperação em pesquisa e desenvolvimento e

inovação tecnológica em produtos e processos?

f) Existe correlação significativa entre apoio governamental para inovação e inovação

tecnológica em produtos e processos?

g) Existe correlação significativa entre a presença de laboratório ou departamento

específico de P&D e obtenção de patentes?

h) Existe correlação significativa entre realização de cooperação pesquisa e

desenvolvimento e obtenção de patentes?

i) Existe correlação significativa entre apoio governamental e obtenção de patentes?

j) Existe correlação significativa entre investimento financeiro em P&D e faturamento

advindo de novos e melhorados produtos?

K) Existe correlação significativa entre investimento de recursos humanos alocados em

P&D e faturamento advindo de novos e melhorados produtos?

65

As perguntas de pesquisa deram origem às hipóteses que estão ilustradas no

quadro abaixo:

Quadro 3. Hipóteses da pesquisa.

H1: Existe correlação significativa entre investimento financeiro alocado em P&D e inovação tecnológica em produtos

H2: Existe correlação significativa entre investimento financeiro alocado em P&D e inovação tecnológica em processos H3: Existe correlação significativa entre investimento de recursos humanos alocados em P&D e inovação tecnológica em produtos H4: Existe correlação significativa entre investimento de recursos humanos alocados em P&D e inovação tecnológica em processos

H5: Existe correlação significativa entre atribuição de importância às fontes internas e inovação em produtos

H6: Existe correlação significativa entre atribuição de importância às fontes internas e inovação em processos

H7: Existe correlação significativa entre atribuição de importância às fontes ligadas ao mercado e inovação em produtos H8: Existe correlação significativa entre atribuição de importância às fontes ligadas ao mercado e inovação em processos

H9: Existe correlação significativa entre atribuição de importância às fontes acadêmicas e inovação em produtos

H10: Existe correlação significativa entre atribuição de importância às fontes acadêmicas e inovação em processos

H11: Existe correlação significativa entre atribuição de importância às outras fontes e inovação em produtos

H12: Existe correlação significativa entre atribuição de importância às outras fontes e inovação em processos

H13: Existe correlação significativa entre a presença de laboratório ou departamento específico de P&D e inovação em produtos H14: Existe correlação significativa entre a presença de laboratório ou departamento específico de P&D e inovação em processos

H15: Existe correlação significativa entre cooperação em P&D e inovação em produtos

H16: Existe correlação significativa entre cooperação em P&D e inovação em processos

H17: Existe correlação significativa entre apoio governamental e inovação em produtos

H18: Existe correlação significativa entre apoio governamental e inovação em processos

H19: Existe correlação significativa entre a presença de laboratório ou departamento específico de P&D e obtenção de patentes

H22: Existe correlação significativa entre cooperação em P&D e obtenção de patentes

H22: Existe correlação significativa entre apoio governamental e obtenção de patentes

H23: Existe correlação significativa entre investimento financeiro alocado em P&D e faturamento advindo de novos e melhorados produtos H24: Existe correlação significativa entre investimento de recursos humanos alocados em P&D e faturamento advindo de novos e melhorados produtos

66

3.3. MODELO DA PESQUISA

O modelo conceitual utilizado como referência para a realização desta pesquisa

reflete o levantamento teórico realizado na revisão bibliográfica, permitindo definir com

maior precisão o conjunto das variáveis que o compõem. Além do aspecto teórico, o

modelo reflete as expectativas do pesquisador em contribuir para o estudo das

características da inovação tecnológica nas indústrias do estado de São Paulo, que é o

problema desta pesquisa.

O estudo do processo da inovação tecnológica tem sido tratado ao longo dos

anos por diversos autores, que segundo Nuchera, Serrano e Morrote (2002) tem

utilizado modelos para a compreensão tanto de suas fases, como também de suas

características.

Para Malhotra (2002), um modelo é um conjunto de variáveis e seus inter-

relacionamentos, concebido para representar de maneira completa ou parcial um

sistema ou um processo real. O autor afirma ainda que os modelos podem ter muitas

formas diferentes, sendo que as mais comuns são:

• Modelo verbal: modelo que fornece representação por escrito das relações entre

as variáveis.

• Modelo gráfico: modelo que fornece um retrato visual das relações entre as

variáveis.

• Modelo matemático: modelo que descreve explicitamente as relações entre as

variáveis, geralmente na forma de equações.

67

De acordo com Hair et alii (1995), a proposta de um modelo é prover uma

representação compreensível das relações entre as variáveis a serem examinadas.

Desta forma, para atingir o objetivo principal desta pesquisa, que é caracterizar a

inovação tecnológica nas indústrias do estado de São Paulo, torna-se fundamental a

construção de um modelo que reflita o embasamento teórico sobre o assunto, além das

expectativas do pesquisador em esclarecer o problema citado, respeitando as

limitações dos dados disponíveis para a execução do trabalho.

As principais influências na concepção do modelo de pesquisa foram os modelos

de inovação tecnológica citadas no referencial teórico deste trabalho. O primeiro

modelo, chamado de modelo linear, contribuiu com a visão já tradicional “insumo –

produto”, onde os insumos investidos no início do processo se reverteriam após

algumas etapas em inovação tecnológica. Embora seja uma visão simples do processo

de inovação, é válido destacar que muitas pesquisas têm sido realizadas segundo esta

abordagem, estando presente fortemente no próprio Manual de Oslo.

Os insumos considerados são os recursos financeiros e recursos humanos

alocados em pesquisa e desenvolvimento, bem como a utilização de um laboratório ou

departamento específico para este fim.

Outra contribuição importante para a construção do modelo concebido para esta

pesquisa vem do modelo de inovação tecnológica, chamado “elo de cadeia”, onde um

dos elementos mais importantes para o processo de inovação tecnológica é a utilização

de um banco de conhecimentos científicos e tecnológicos pela empresa. Este conceito

também se faz presente no modelo misto de inovação tecnológica onde o estado da

arte da tecnologia influencia o processo de inovação.

68

O último modelo estudado, chamado de modelo sistêmico, contribui com o

conceito de que a inovação não é um fenômeno realizado pela empresa de forma

isolada, mas surge das interações com outras instituições. No modelo desta pesquisa,

estas interações aparecem como apoio governamental (interação com o governo) e na

forma de cooperação para inovação tecnológica (interação com universidades, centros

de pesquisa e mesmo outras empresas).

Para aumentar o poder explicativo do modelo, além das variáveis que expressam

as contribuições dos modelos de inovação previamente citados, foram inseridas outras

variáveis que caracterizam as empresas inovadoras, como o percentual de pessoal

ocupado ligado diretamente à produção, pertencer ou não a grupo empresarial e a

ampliação ou redução da variedade de produtos oferecidos no período, entre outras

que estão descritas à seguir.

Variáveis independentes • Investimento de recursos financeiros em P&D • Investimento de recursos humanos em P&D • Presença de laboratório ou departamento

específico de P&D • Cooperação em P&D • Apoio governamental para atividades de inovação • Fontes de informação para inovação • Tamanho da empresa • Orientação exportadora • Origem do capital controlador • Média salarial • Recursos humanos ligados diretamente à

produção • Fazer parte de grupo empresarial • Vender bens ou serviços industriais • Realizar inovação para o mercado • Ampliar variedade de produtos oferecidos • Reduzir variedade de produtos oferecidos

Variáveis dependentes

• Inovação em produtos • Inovação em processos • Obtenção de patentes • Obtenção de faturamento

advindo de novos e melhorados produtos

Variáveis intervenientes

• Setor industrial

Figura 13. Modelo conceitual da pesquisa.

As variáveis do modelo de pesquisa mostrado acima possuem relação direta

com as variáveis dos questionários da PAEP, para melhor entender estas relações o

69

quadro 4 mostra quais variáveis deste questionário são utilizadas em cada uma das

variáveis de pesquisa utilizadas no modelo.

VARIÁVEIS DEPENDENTES

NOME DESCRIÇÃO VARIÁVEIS PAEP

YINPROD Inovação tecnológica em produtos ( 0 se não inovou, 1 se inovou). EA004

YINPROC Inovação tecnológica em processos ( 0 se não inovou, 1 se inovou). EA037

YPATENTE Obtenção de patentes ( 0 se não obteve, 1 se obteve). EA058 e EA059

YFATPROD Faturamento advindo de novos e melhorados produtos (% da receita total advindo da venda de novos e melhorados produtos). EA034

VARIÁVEIS INDEPENDENTES

NOME DESCRIÇÃO VARIÁVEIS PAEP

X2INVFPD Porcentagem da receita total das atividades investida em pesquisa e desenvolvimento. EY053 / EY004

X2INRHPD Porcentagem do total de pessoal ocupado alocado em pesquisa e desenvolvimento. EA071 / EH025

X2LABPD Presença de laboratório ou departamento específico de P&D na empresa (0 se não possui, 1 se possui). EA075

X2COOPPD Realização de cooperação em pesquisa e desenvolvimento (0 se não realizou, 1 se realizou). EA060

X2APOGOV Obtenção de apoio governamental para a realização de atividades de inovação tecnológica (0 se não obteve, 1 se obteve). EA044

X2FIINT Fontes de informação internas para as atividades de inovação tecnológica. (0 se não atribuiu importância, 1 se atribuiu). EA046, EA047, EA048

X2FLIGM Fontes de informação ligadas ao mercado para as atividades de inovação tecnológica. (0 se não atribuiu importância, 1 se atribuiu).

EA049, EA050, EA051, EA052

X2FINST Fontes de informação acadêmicas para as atividades de inovação tecnológica. (0 se não atribuiu importância, 1 se atribuiu). EA053, EA054

X2FIOFON Outras fontes de informação para as atividades de inovação tecnológica. (0 se não atribuiu importância, 1 se atribuiu). EA055, EA056, EA057

X1TAM Total de pessoal ocupado na empresa (logaritmo do total de pessoal ocupado, assalariado ou não). LOG (EH025)

X1EXPO Orientação exportadora da empresa (0 se não exporta, 1 se exporta). EY078

X1ORCAP Origem do capital controlador da empresa (0 se nacional, 1 se estrangeiro). EP001

X1SALMED Média salarial paga pela empresa (total de salários pagos divididos pelo total de pessoal ocupado). LOG (EY159/EH025)

GRUPO Define se a empresa pertence a um grupo empresarial (0 se não pertence, 1 se pertence). EP009

RHLIPROD Percentual do total de pessoal ocupado ligado diretamente à produção. EH027 / EH025

PRODSERV Indica se a principal fonte de receita da empresa é a venda de bens ou de serviços industriais (0 se serviços, 1 se bens). EY012

INOVMERC Inovação tecnológica em produtos para o mercado (0 se não inovou, 1 se inovou). EA036

AMPVAR Ampliação da variedade de produtos (0 se não ampliou, 1 se ampliou) EG015

REDVAR Redução da variedade de produtos (0 se não reduziu, 1 se reduziu) EG014

Quadro 4. Descrição das variáveis da pesquisa.

70

Sobre o quadro acima, cabe ressaltar que as variáveis relativas aos

investimentos financeiros alocados em P&D, recursos humanos alocados em P&D,

média salarial e recursos humanos ligados diretamente à produção são apresentados

de forma relativa, pois de acordo com Andreassi (1999), utilizar uma medida relativa ao

invés de uma absoluta é altamente recomendável neste tipo de pesquisa, sendo

bastante encontrada na literatura.

3.4. PLANO AMOSTRAL

Como citado anteriormente, este trabalho utilizará dados secundários coletados

pela PAEP – Pesquisa de Atividade Econômica Paulista, que foi realizada pela primeira

vez em 1997 (com referência ao intervalo 1994-1996) e pela segunda vez em 2002

(com referência ao intervalo 1999-2001).

O universo deste estudo é o mesmo abordado pela PAEP e corresponde a todas

as empresas industriais localizadas no estado de São Paulo.

A amostra da PAEP corresponde a 16.744 empresas industriais, que podem ser

expandidas para uma amostra de 46.225 empresas, que por sua vez representam

todas as empresas industriais do estado de São Paulo, como será apresentado na

caracterização da amostra.

71

A figura 14 apresenta a classificação da técnica escolhida pela fundação SEADE

para a Pesquisa de Atividade Econômica Paulista entre os diversos tipos de

amostragem.

Figura 14. Técnicas de amostragem segundo Malhotra (2001).

A Técnica de amostragem utilizada pela pesquisa é a amostragem estratificada,

o que segundo Malhotra (2001, p. 310) “é um processo de dois estágios em que a

população é dividida em subpopulações ou estratos. Os estratos devem ser

mutuamente excludentes e coletivamente exaustivos, no sentido de que cada elemento

da população deve ser atribuído a um único estrato e nenhum elemento da população

deve ser omitido”.

Segundo Viotti e Macedo (2001), a amostra da PAEP – Pesquisa de Atividade

Econômica Paulista, compreendeu dois estratos, um composto por 100% das empresas

paulistas com mais de 30 empregados e outro composto por uma amostra aleatória

com empresas que tivessem entre 5 e 29 empregados e garantiu significância para 21

divisões industriais da nova CNAE.

72

É preciso destacar que entre os estratos setoriais da pesquisa, o setor de

Indústria extrativa é composto pelas divisões 10, 11, 13 e 14, assim como o setor de

Outras indústrias é composto pelas divisões 16, 20 e 36, como apresentado no quadro

a seguir.

Quadro 5. Setores abordados na pesquisa de atividade econômica paulista (PAEP).

A classificação apresentada no quadro acima mostra os setores industriais para

os quais a PAEP possui significância estatística, dentro deste contexto é preciso

73

destacar que a quantidade de empresas presente em cada estrato é diferente, sendo

pequena em alguns casos, como na Indústria extrativa e em Outras indústrias, onde foi

preciso agrupar algumas divisões para garantir esta significância.

3.5. ETAPAS DA PESQUISA

Para Silva (1999), a metodologia a ser utilizada na realização de uma pesquisa

deve ser explicitada em estágios fundamentais interligados, no sentido de esclarecer a

seqüência lógica de como se pretende tratar o problema a ser estudado:

Figura 15. Etapas da pesquisa.

Etapa 1. Levantamento dos dados:

A primeira etapa deste trabalho consiste do levantamento dos dados necessários

à realização da pesquisa. Estes são provenientes da Pesquisa de Atividade Econômica

Paulista – PAEP realizada pela Fundação SEADE.

74

Os cortes setoriais e regionais que este trabalho pede só podem ser realizados

utilizando os microdados da PAEP, estes por sua vez podem ser obtidos na sala de

acesso a base de dados da PAEP localizada na sede da fundação SEADE em São

Paulo, após prévia aprovação desta fundação, de forma a garantir o sigilo estatístico

das empresas.

Etapa 2. Tratamento estatístico

“[...] amplamente utilizado na condução da pesquisa, o método quantitativo representa a intenção de garantir a precisão dos resultados, evitar distorções de análise e interpretação, possibilitando, conseqüentemente, uma margem de segurança quanto às inferências. É freqüentemente aplicado nos estudos descritivos, visando investigar a relação de causalidade entre fenômenos. (RICHARDSON, 1999, p.70)”.

Depois de levantados os dados, foi realizado o estágio de tratamento estatístico

que consiste da utilização de ferramentas e técnicas estatísticas, que nesta pesquisa se

dividem predominantemente em dois tipos, um modelo de regressão logística para

variáveis dependentes categóricas e um modelo de regressão linear múltipla para a

variável dependente contínua.

Etapa 3. Análise e discussão:

A última etapa da pesquisa é a análise e apresentação dos dados encontrados

na etapa de tratamento estatístico, para isso foram construídas, tabelas e textos que

visam dar fechamento ao trabalho buscando atingir os objetivos do estudo que foram

apresentados no item 1.1 deste trabalho.

75

3.7. TÉCNICAS DE ANÁLISE

O objetivo deste item é descrever as técnicas estatísticas que serão utilizadas

nesta pesquisa, bem como justificar a opção pelas mesmas. Como, para atingir os

objetivos deste trabalho será necessário manipular diversas variáveis simultaneamente,

foi feita uma revisão bibliográfica sobre técnicas de estatística multivariada, que incluiu

algumas das principais referências da literatura sobre o assunto, como Hair et alii

(1998), Johnson e Wichern (1992), além de autores de áreas correlacionadas como

Maddala (1992), Greene (1990) e Vasconcellos e Alves (1999), sendo que a opção

destas técnicas recaiu sobre os modelos de regressão múltipla no caso de variáveis

dependentes métricas (faturamento advindo de novos produtos) e pelos modelos Logit

para variáveis dependentes binárias (inovação em produto, inovação em processo e

patentes). Estas técnicas serão descritas nos próximos itens do capítulo.

3.7.1. MODELOS DE REGRESSÃO LINEAR MÚLTIPLA

Segundo Hair et alii (1998) a análise de regressão linear múltipla é uma técnica

estatística multivariada utilizada quando o objetivo do pesquisador é analisar os efeitos

de múltiplas variáveis independentes, chamadas de preditoras ou explicativas, sobre

uma variável dependente, chamada de variável de resposta.

76

De acordo com Johnson e Wichern (1992), o objetivo desta técnica é

desenvolver uma equação que permita ao pesquisador prever ou explicar a variável de

resposta, tomando valores fornecidos para as variáveis independentes. Assim,

considerando y como a variável de resposta e x1, x2, x3,... xn, como variáveis preditoras

ou explicativas, podemos ter como modelo de regressão múltipla:

y = β0 + β1x1 + β2x2 + β3x3 +...+ βnxn + ε

Onde β1,...,βn são os coeficientes lineares de regressão, associados às variáveis

preditoras, ou seja, o “peso” com que cada uma delas contribui para a explicação da

variável de resposta, β0 que é um coeficiente que não está associado a nenhuma das

variáveis preditoras, mas que contribui para explicar a variável de resposta (chamado

de constante de regressão) e ε que é o erro associado à mensuração das variáveis

preditoras ou ainda ao fato do modelo não ter considerado explicitamente outras

variáveis independentes (JOHNSON e WICHERN, 1992)

O mesmo conceito pode ser aplicado quando o objetivo do pesquisador é

analisar os efeitos de variáveis preditoras em mais de uma variável de resposta, ou

seja, em uma regressão múltipla multivariada, obtendo-se como modelo:

y1 = β0 + β1x11 + β2x12 + β3x33 +...+ βnx1n + ε1

y2 = β0 + β1x21 + β2x22 + β3x33 +...+ βnx2n + ε2

.......................................................................

yn = β0 + β1xn1 + β2xn2 + β3xn3 +...+ βnxnn + εn

77

Em notação matricial têm-se:

Hair et alii (1998) afirmam que, embora inicialmente, a técnica de regressão

múltipa tenha como exigência, que tanto a variável de resposta quanto as variáveis

explicativas sejam métricas, é possível adicionar à equação um tipo de variáveis não-

métricas, chamadas variáveis “dummy”. As variáveis “dummy” são variáveis

independentes utilizadas para acrescentar o efeito de diferentes níveis que uma

variável não métrica têm sobre a variável de resposta, por exemplo, no caso em que o

pesquisador deseja inserir a variável tamanho (pequeno e grande) ela pode ser

codificada para assumir os valores “0” ou “1”, inserindo ou não o seu efeito na variável

de resposta.

Desta forma:

Para estimar os coeficientes de regressão pode se utilizar o procedimento

conhecido como método dos quadrados mínimos, que de acordo o descrito por

Maddala (1992) e considerando o caso genérico de “n” variáveis preditoras, pode ser

definido como um método que consiste em minimizar a equação:

78

O autor afirma que esta surge como resposta a idéia de se minimizar o resíduo,

que é a diferença entre o valor observado e o valor predito para a variável de resposta.

O processo de minimizar a equação acima consiste em derivá-la parcialmente com

respeito a β0, ...,βn e igualar as equações obtidas a zero, assim, por meio do conjunto

de equações é possível calcular os valores dos coeficientes de regressão estimados.

Após o cálculo dos coeficientes de regressão é preciso verificar a acuracidade do

modelo, nesse caso, de acordo com Maddala (1992) e Hair et alii (1998), a principal

medida utilizada é o coeficiente de determinação (R2) que pode ser definido como a

proporção da variância da variável de resposta (dependente), que é explicada pelas

variáveis preditoras (independentes). Este valor pode variar entre zero e um, sendo que

quanto maior for o coeficiente R2 maior o poder de explicação das equações de

regressão.

O coeficiente de regressão é calculado pela fórmula abaixo:

R2 = SSR / TSS

A fórmula do coeficiente de regressão é composta por duas outras medidas,

sendo que no numerador está a soma de regressão de quadrados (Sum of Squares

79

Regression - SSR), que consiste na soma das diferenças quadradas entre a média e os

valores da variável de resposta preditos e no denominador está a soma total dos

quadrados (Total Sum of Squares - TSS), que é definido por Hair et alii (1998) como a

quantidade total de variação existente que deve ser explicado pelas variáveis

independentes.

As respectivas fórmulas dessas medidas são apresentadas abaixo:

Onde:

De acordo com Greene (1990) a técnica de regressão linear múltipla exige que

sejam feitas algumas suposições, que são descritas abaixo:

• Linearidade: as relações entre as variáveis preditoras e as variáveis de resposta

são lineares;

• E [εi,Xi] = 0, X não estocástico: o erro não é correlacionado com as variáveis

preditoras;

• E [εi] = 0, o valor esperado dos residuos é zero;

80

• Var [εi] = σ2, a variância dos erros é constante para todo “i”, também chamada de

homocedasticidade;

• O erro εi é normalmente distribuído para todo “i”.

De acordo com Hair et alii (1998), outro aspecto importante que deve ser

observado ao se utilizar a técnica de regressão linear múltipla é a multicolinearidade.

Os autores afirmam que a capacidade de uma variável independente explicar uma

variável dependente está relacionada não somente com sua correlação com esta

variável, mas também com sua correlação com as outras variáveis independentes.

Sobre este mesmo conceito, Vasconcellos e Alves (1999) afirmam que um dos

pressupostos dos modelos de regressão estabelece que não se pode existir relação

linear entre as variáveis explicativas, ou seja, estas variáveis devem ser linearmente

independentes, sendo que a violação desse pressuposto implica na impossibilidade de

isolar os efeitos de cada variável explicativa sobre a variável dependente. De acordo

com os autores, as principais causas deste problema são a escolha equivocada das

variáveis do modelo e o número reduzido de elementos amostrais.

Embora em muitos sistemas seja possível e até comum encontrar variáveis

independentes que tenham correlação entre si e que o impacto que a multicolinearidade

causa seja reduzir o poder explicativo de cada variável preditora isoladamente, não

necessariamente o poder explicativo do modelo será comprometido, entretanto é

preciso levar em consideração este fato ao escolher quais variáveis devam entrar no

modelo e ater-se ao nível de correlação encontrado entre os pares de variáveis

dependentes.

81

Hair et alli (1998) apontam como instrumento de medida da multicolinearidade o

indicador VIF (Variance Inflation Factor), quanto maior o seu valor, maior será a

multicolinearidade apresentada pelo modelo. A fórmula do indicador é apresentada

abaixo.

VIF = 1/(1+R2)

Onde:

R2 = Coeficiente de determinação.

Judge et alii apud Vasconcellos e Alves (1999) sugerem outros métodos para a

identificação de existência de multicolinearidade, como calcular o coeficiente de

correlação simples entre cada par de variáveis sendo que se ele for maior do que 0,8

deve se considerar a existência do problema, além disso é possível calcular regressões

auxiliares entre as variáveis explicativas e observar o coeficiente R2, sendo que se for

elevado deve se considerar também a existência da multicolinearidade.

Maddala (1992) aponta como possíveis soluções para o problema da

multicolinearidade a inclusão de outras variáveis, o aumento do tamanho de amostra e

mesmo a reespecificação do modelo de pesquisa. Entretanto, Vasconcellos e Alves

(1999), alertam que a existência do problema nem sempre causa grandes transtornos,

podendo-se tolerar a presença de certo grau de multicolinearidade.

Como já comentado anteriormente, os modelos de regressão linear constituem

uma poderosa ferramenta quando o pesquisador deseja explicar ou prever variáveis

dependentes, entretanto, os critérios apresentados neste item devem ser observados e

levados em consideração.

82

Entretanto, para o caso de variáveis dependentes não métricas, ou binárias,

embora seja possível utilizar a regressão linear múltipla, a literatura estudada indica

algumas técnicas mais adequadas para este fim.

Desta forma, nas próximas seções deste capítulo, serão apresentadas as

técnicas que serão utilizadas para as variáveis dependentes não-métricas consideradas

neste trabalho, bem como os métodos de formulação de hipóteses.

3.7.2. OS MODELOS ”LOGIT” E “PROBIT”

No item anterior foi estudado o modelo de regressão linear múltipla, onde o

pesquisador busca prever ou explicar o efeito de um conjunto de variáveis

independentes, que poderiam ser métricas ou não-métricas, sobre uma variável

dependente que obrigatoriamente deveria ser métrica. Nestes casos, a variável de

resposta representa a mensuração de algo que é contínuo, podendo assumir qualquer

valor real.

Entretanto, existem variáveis de grande importância que não podem ser

representadas pelo conjunto dos números reais, nestes casos, o pesquisador busca

analisar os efeitos de variáveis dependentes, tanto métricas como não-métricas, sobre

uma variável dependente não-métrica (discreta) que assume apenas valores inteiros,

ou seja:

83

Para ilustrar este conceito podemos tomar como exemplo a variável “inovação

em produtos” presente nesta pesquisa. A variável representa o fato de a empresa ter ou

não realizado inovações tecnológicas em produto, ou seja, ter colocado no mercado um

produto novo ou significativamente melhorado, caso em que a variável pode assumir

apenas os valores 1 (se a empresa realizou inovação tecnológica ) ou 2 (se a empresa

não realizou inovação tecnológica). É importante observar que embora apareçam

muitos casos na literatura em que a variável de resposta seja binária, ou seja, assumido

apenas dois valores, a técnica permite que esta assuma diversos valores, mas estes

devem sempre pertencer ao conjunto dos números inteiros.

De acordo com Vasconcellos e Alves (1999), para melhor entender a questão

de que a variável dependente pertence ao conjunto dos inteiros, deve-se considerar os

modelos lineares de regressão como um caso particular de uma classe mais ampla, a

dos modelos de regressão generalizados, que são formados por três componentes:

• E[Y І X], componente aleatório, que representa a esperança da variável Y e é

normalmente representado por “μ”;

• η = Xβ = ∑ x=

p

i 1ij βi, chamado de preditor linear, dado pela combinação das variáveis

explicativas e de seus parâmetros associados;

• η = g(μ), componente que fornece a ligação entre o preditor linear e o componente

aleatório, chamado de função de ligação.

Os modelos de regressão generalizados são mais gerais que os modelos de

regressão linear em dois aspectos, o primeiro é relacionado ao termo aleatório que ao

invés de assumir uma função normal de distribuição (modelo linear), pode assumir

84

diversas funções de distribuição, o segundo está relacionado com a função de ligação

que deve ser uma função adequada para garantir que o valor obtido pelo preditor linear

capaz de produzir uma variável de resposta entre zero e um.

Segundo Maddala (1992), quando a função de ligação utilizada é a função

logística, o modelo de regressão é chamado de Logit e quando assume a forma de uma

função normal cumulativa o modelo de regressão é chamado de Probit. A função

logística e a função normal cumulativa são dadas respectivamente pelas fórmulas:

η = log { μ / (1- μ) }

De acordo com Greene (1990) O procedimento para se calcular os coeficientes

”β” nos modelo de regressão Logit e Probit é diferente do procedimento utilizado nos

modelos de regressão linear (método dos quadrados mínimos), sendo que neste caso a

técnica utilizada é maximizar a função de verossimilhança (likelyhood), que tem a

forma:

Os coeficientes estimados devem ser aqueles que maximizam a função acima,

assim, similarmente ao método dos mínimos quadrados é preciso realizar o

procedimento tradicional de calcular a derivada parcial com relação à “β” igualando o

resultado a zero

85

Deste modo é possível obter os coeficientes das variáveis explicativas, sejam

elas métricas ou não métricas e com eles construir o modelo de regressão para a

variável de resposta discreta (não-métrica), também chamada de variável de resposta

qualitativa e limitada.

3.7.3. TESTES DE HIPÓTESES EM REGRESSÃO MÚLTIPLA

Uma vez determinados os valores dos coeficientes com base em uma amostra

de observações, o próximo passo é colocar à prova hipóteses sobre os prováveis

valores que os verdadeiros coeficientes podem assumir se a população fosse

conhecida.

Para Greene (1990), com base nas estatísticas amostrais é possível realizar

esta inferência, fazendo hipóteses sobre as distribuições dos estimadores dos

coeficientes e da variância do termo aleatório, utilizando para isso a distribuição t de

Student.

De acordo com Vasconcellos e Alves (1999), a distribuição t de Student é

adequada para a avaliação de significância dos coeficientes associados às variáveis

explicativas porque embora possuam distribuição normal, a sua variância não é

conhecida, mas sim estimada. Os autores afirmam que para a realização do teste

acerca de um coeficiente é necessário conhecer sua variância ou seu desvio padrão, o

86

número de graus de liberdade, estabelecer as hipóteses e o nível de significância (na

literatura pesquisada o mais comum foi encontrar α=5%, embora possa ser utilizados

também valores de α=1% ou mesmo α=10% dependendo do objetivo da pesquisa).

Ao formular a hipótese nula pode se considerar a possibilidade de a variável

independente associada ao parâmetro “βi” não explicar a variável dependente, ou seja:

H0 : βi = 0

Assim a hipótese alternativa seria:

H0 : βi ≠ 0

Para se verificar as hipóteses utiliza-se uma tabela de distribuição t e compara-

se o valor obtido na equação abaixo com o valor tabelado.

Se o valor tabelado correspondente ao nível de significância e ao número de

graus de liberdade for maior do que o valor encontrado na equação acima, rejeita-se

hipótese nula (H0 : βi = 0) ou seja, a variável independente associada ao coeficiente

testado explica a variável dependente, caso contrário aceita-se a hipótese nula e

admite-se então que a variável dependente associada ao coeficiente em questão não

explica a variável dependente.

Deste modo, como citado anteriormente, a verificação das hipóteses elaboradas

para o modelo de regressão possibilita a confirmação ou não de afirmações feitas sobre

87

a significância explicativa de uma variável independente sobre uma variável

dependente, por meio do coeficiente associado a esta variável, permitindo também

realizar inferência sobre a população que o modelo representa, tornando-se assim uma

importante ferramenta para a pesquisa.

3.7.4. SISTEMAS DE EQUAÇÕES SIMULTÂNEAS

Nos itens anteriores se analisou a situação em que cada variável de resposta

era determinada apenas por uma única equação, entretanto em muitas áreas de

estudo, algumas variáveis são determinadas por um modelo composto por um conjunto

de equações. Este conjunto de equações é chamado de sistema de equações

simultâneas por considerar simultaneamente o efeito explicativo das variáveis

independentes sobre a variável dependente e também o efeito da variável dependente

sobre as variáveis independentes.

Para Vasconcellos e Alves (1999), um bom exemplo a ser considerado sobre

equações simultâneas é o modelo de equilíbrio de mercado para um determinado

produto, em que preço e quantidade são determinados simultaneamente pelas

equações de oferta e demanda do mercado (VASCONCELLOS e ALVES, 1999).

De acordo com Maddala (1992), nos modelos de equações simultâneas, as

variáveis são classificadas como endógenas e exógenas. Para o autor, a classificação

88

tradicional dessas variáveis diz que as variáveis exógenas são determinadas fora do

modelo, ou seja, independentes do processo descrito por ele, enquanto que as

endógenas são determinadas pelo modelo de forma conjunta e simultânea.

Segundo Greene (1990) e Vasconcellos e Alves (1999) a forma geral do modelo

de equações simultâneas pode ser representado de acordo com o conjunto de

equações apresentado à seguir:

β11 y1t + β11 y2t + ... + β1GxGt + γ 11x1t + γ 12x2t +...+ γ 1kxkt = ε1t

β21 y1t + β22 y2t + ... + β2GxGt + γ 21x1t + γ 22x2t +...+ γ 2kxkt = ε2t

.................................................................................................

βG1 y1t + βG2 y2t + ... + βGGxGt +γ G1x1t + γ G2x2t +...+ γ Gkxkt = εGt

Um grande problema encontrado na determinação dos coeficientes associados

as variáveis, de acordo com Vasconcellos e Alves (1999), reside no fato de que os

métodos tradicionais, como o método dos mínimos quadrados, conduzem à

inconsistência dos estimadores, pois o erro associado à equação encontra-se

correlacionado com as demais variáveis endógenas, violando, assim a hipótese de

interdependência dos erros com relação às variáveis explicativas.

Embora existam muitos métodos para se contornar o problema, uma das mais

utilizadas é o método das variáveis instrumentais, que de acordo com Maddala (1992),

é um método utilizado para se obter coeficientes consistentes a partir da utilização de

89

variáveis que não são correlacionadas com os termos de erro, mas são correlacionadas

com as variáveis explicativas nas equações.

De acordo com Vasconcellos e Alves (1999), para se calcular os coeficientes

por meio das variáveis instrumentais é preciso primeiro definir as variáveis que serão

substitutas das variáveis endógenas, depois é preciso calcular o produto da equação

estrutural por cada uma das variáveis instrumentais e somar a equação para todas as

observações da amostra resultando em um sistema que possuirá tantas equações

quantas forem as variáveis da amostra.

Os autores fazem a ressalva de que as variáveis instrumentais selecionadas

devem apresentar forte correlação com as variáveis endógenas que estão substituindo,

e não devem apresentar correlação com os termos de erro.

Assim, se considerarmos o modelo geral:

yi = β0 + βixi + εi

Aplicando o método das variáveis instrumentais (aqui chamadas de “zi”)

teríamos:

∑=

n

i 1

zi yi = z∑=

n

i 1i β0 + ∑ z

=

n

i 1i xi +∑ z

=

n

i 1i εi

O estimador das variáveis instrumentais fundamenta-se no princípio de que E(zi

εi) e na hipótese de que Σ εi = 0, então:

90

Assim, o método apresentado permite que, ao especificar variáveis

instrumentais, que apresentem forte correlação com as variáveis endógenas e não

apresentem correlação com o termo de erro, seja possível, por meio da equação acima,

calcular coeficientes consistentes que permitam superar o problema de simultaneidade

nos modelos de regressão.

91

4. APRESENTAÇÃO E ANÁLISE DOS RESULTADOS

Este capítulo tem como objetivos principais a apresentação e a análise dos

resultados com a respectiva verificação das hipóteses a partir da análise quantitativa

dos dados provenientes da base de dados da Pesquisa de Atividade Econômica

Paulista – PAEP, realizada pela Fundação SEADE. Inicialmente, serão apresentados

alguns dados que tem como finalidade caracterizar a amostra dentro dos aspectos

estudados neste trabalho.

4.1. CARACTERIZAÇÃO DA AMOSTRA

A caracterização da amostra segue a estrutura das variáveis estudadas tanto

setorialmente como de maneira agregada, dessa forma, os itens seguintes trazem uma

visão detalhada e comparativa entre as empresas que tiveram desempenho positivo

quanto às inovações em produtos e processos, obtenção de patentes e de faturamento

advindo de novos produtos e as empresas que não obtiveram estes resultados.

A Pesquisa de Atividade Econômica Paulista (PAEP) foi realizada no ano de

2002 e abrange o período que vai de 1999 a 2001. Para a elaboração do plano

amostral, a Fundação SEADE utilizou o Cadastro de Empresas (CEMPRE), fornecido

pelo Instituto Brasileiro de Geografia e Estatística (IBGE), onde foram selecionados

92

1.006.037 registros, dando origem a uma amostra de 46.225 empresas dos setores

industriais abordados pela PAEP.

A amostra de empresas industriais foi subdividida em dois extratos, o estrato

certo, que abrange empresas com sede fora do estado de São Paulo, mas que tenham

30 ou mais pessoas ocupadas neste estado e por empresas com sede no estado e com

30 ou mais pessoas ocupadas, e o estrato aleatório, que abrange empresas com sede

no estado e que possuem de 5 a 29 pessoas ocupadas.

12. Indústria Extrativa 15. Fabricação de Alimentos e Bebidas 17. Fabricação de Produtos Têxteis 18. Confecção de Vestuários e Acessórios 19. Preparação e Confecção de Artefatos de Couro 21. Fabricação de Celulose e Papel 22. Edição, Impressão, Reprodução de Gravações 23. Fabricação e Refino de Petróleo, Álcool 24. Fabricação de Produtos Químicos 25. Fabricação de Artigos de Borracha e Plásticos 26. Fabricação e Produção de Minerais Não-Metálicos 27. Metalurgia Básica 28. Fabricação de Produtos Metálicos (Exceto Máquinas e Equipamentos) 29. Fabricação de Máquinas e Equipamentos 30. Fabricação de Máquinas de Escritório e Equipamentos de Informática 31. Fabricação de Máquinas, Aparelhos e Material Elétrico 32. Fabricação de Material Eletrônico e Aparelhos e Equipamentos de Comunicações 33. Fabricação de Equipamentos Médicos, Ótica e Relógios, Instrumentos de Precisão e Automação Industrial. 34. Fabricação e Montagem de Veículos Automotores, Reboques e C i35. Fabricação de Outros Equipamentos de Transporte 39. Outras Indústrias

Quadro 6. Setores industriais com significância estatística na PAEP.

De acordo com a SEADE (2005), buscando diminuir o tamanho do estrato

aleatório, utilizou-se um método estatístico que gera estratos com tamanhos menores e

93

amplitudes maiores, assim a quantidade de empresas pesquisadas foi de 16.744 que

pode ser expandida para o tamanho de amostra original de 46.225 empresas

O quadro 6 apresenta os setores industriais e sua respectiva classificação CNAE

de dois dígitos para os quais a PAEP apresenta significância estatística. Neste

capítulo, os setores industriais serão tratados pelos nomes em negrito escritos no

quadro abaixo permitindo que se realize uma melhor apresentação gráfica nas tabelas

à seguir

4.1.1. TAMANHO DAS EMPRESAS

Ao se analisar as faixas de pessoal ocupado que compõem a amostra da PAEP,

verifica-se em ordem decrescente que a maior parcela é formada por empresas de 5 a

29 pessoas, correspondendo a 78,27% do total, a segunda maior parcela é de

empresas na faixa de 30 a 99 pessoas ocupadas ou 14,05% do total da amostra,

enquanto que a faixa de 100 a 499 corresponde a 6,06% e a faixa de 500 ou mais

pessoas ocupadas corresponde a apenas 1,62%.

Quando se analisa setorialmente a amostra, é possível observar que em quase

todos os setores a distribuição das empresas pelas quatro faixas de pessoal ocupado

mantém o padrão observado na análise agregada, entretanto isso não acontece no

setor de Refino de petróleo, provavelmente devido à necessidade de grandes plantas

operacionais para suas atividades. O setor apresenta a maior parcela, ou 40,51% de

seu total, formada por empresas na faixa de 100 a 499 pessoas ocupadas e a segunda

94

maior parcela, ou 34,18%, por de empresas que possuem entre 30 a 99 pessoas

ocupadas. É relevante destacar ainda que o setor de refino de petróleo também é o que

possui a maior parcela de empresas com 500 ou mais funcionários, correspondendo a

15,19% do seu total, o que pode ser explicado por ser um setor que utiliza plantas

operacionais muito grandes e complexas, demandando mais funcionários para suas

atividades de produção.

Entre os outros setores a maioria das empresas está na faixa de 5 a 29 pessoas

ocupadas, variando de 64,64% no setor de produtos químicos até 87,05%, no setor de

Edição e impressão.

Na faixa de 30 a 99 pessoas ocupadas o setor com maior parcela é o de Outros

equipamentos de transporte com 24,66% enquanto que a menor parcela é a do setor de

Edição e impressão com 7,99%. O setor com maior parcela na faixa de 100 a 499

pessoas ocupadas é o de Eletrônicos e comunicações com 12,64% do seu total,

enquanto a menor parcela é a do setor Outras indústrias (produtos do fumo, produtos

de madeira, móveis e indústria da reciclagem) com 0,52% do total.

Já a faixa de 500 ou mais pessoas ocupadas, é a que apresenta menos

empresas, variando de 0,34% na Indústria extrativa, até 4,86% no setor de Veículos

automotores.

Isto se deve provavelmente ao fato de que o setor de Veículos automotores

também utiliza plantas operacionais grandes nas suas atividades, consequentemente

demandando mais pessoal ocupado.

A tabela 2 apresenta os dados discutidos anteriormente tanto para a análise

agregada como para os diversos setores abordados na amostra da PAEP.

95

Faixas de pessoal ocupado Setor De 5 a 29 De 30 a 99 De 100 a 499 500 ou mais

Total

n 476 81 23 2 582 Indústria Extrativa % 81,79 13,92 3,95 0,34 1,38 n 3.331 436 282 119 4.168 Alimentos e Bebidas % 79,92 10,46 6,77 2,86 9,92 n 1.330 299 165 47 1.841 Produtos Têxteis % 72,24 16,24 8,96 2,55 4,38 n 4.156 505 144 23 4.828 Vestuários e

Acessórios % 86,08 10,46 2,98 0,48 11,49 n 1.022 215 95 17 1.349 Artefatos de Couro % 75,76 15,94 7,04 1,26 3,21 n 603 185 90 27 905 Celulose e Papel % 66,63 20,44 9,94 2,98 2,15 n 2.387 219 115 21 2.742 Edição e Impressão % 87,05 7,99 4,19 0,77 6,52 n 8 27 32 12 79 Refino de Petróleo % 10,13 34,18 40,51 15,19 0,19 n 1.278 393 216 90 1.977 Produtos Químicos % 64,64 19,88 10,93 4,55 4,70 n 2.108 579 244 31 2.962 Borracha e Plásticos % 71,17 19,55 8,24 1,05 7,05 n 2.383 372 109 30 2.894 Minerais

não-Metálicos % 82,34 12,85 3,77 1,04 6,89 n 911 214 77 24 1.226 Metalurgia Básica % 74,31 17,46 6,28 1,96 2,92 n 4.121 661 217 36 5.035 Produtos Metálicos % 81,85 13,13 4,31 0,71 11,98 n 2.250 527 214 54 3.045 Máquinas e

Equipamentos % 73,89 17,31 7,03 1,77 7,25 n 84 29 14 2 129 Equipamentos de

Informática % 65,12 22,48 10,85 1,55 0,31 n 840 225 115 35 1.215 Material Elétrico % 69,14 18,52 9,47 2,88 2,89 n 302 70 56 15 443 Eletrônicos e

comunicações % 68,17 15,80 12,64 3,39 1,05 n 431 99 38 7 575 Equipamentos

Médicos % 74,96 17,22 6,61 1,22 1,37 n 762 226 127 57 1.172 Veículos

Automotores % 65,02 19,28 10,84 4,86 2,79 n 149 55 16 3 223 Outros Equip. de

Transporte % 66,82 24,66 7,17 1,35 0,53 n 3.958 489 162 24 4.633 Outras Indústrias % 85,43 10,55 3,50 0,52 11,02 n 32.890 5.906 2.547 680 42.023 Total % 78,27 14,05 6,06 1,62 100,00

Tabela 2 – Distribuição por faixas de tamanho das empresas presentes nos setores industriais da PAEP.

96

A tabela 3 apresenta a distribuição das empresas inovadoras em produtos, das

empresas inovadoras em processos, das empresas que obtiveram patentes e das

empresas que obtiveram faturamento advindo de novos e melhorados produtos nas

faixas de pessoal ocupado.

Faixas de pessoal ocupado

Inovação em produtos

Inovação em processos

Obtenção de patentes

Obtenção de Faturamento

advindo de novos e melhorados

produtos n 1967 2767 1017 1818 Até 29 Pessoas % 58,47 57,13 53,44 58,66 n 763 1079 425 714 30 a 99 Pessoas % 22,68 22,28 22,33 23,04 n 485 772 340 444 100 a 499

Pessoas % 14,42 15,94 17,87 14,33 n 149 225 121 123 500 ou mais

Pessoas % 4,43 4,65 6,36 3,97 n 3364 4843 1903 3099 Total % 8,01 11,52 4,53 7,37

Tabela 3 – Distribuição em faixas de tamanho e inovação em produtos, processos, obtenção de patentes e faturamento advindo de novos e melhorados produtos.

Ao observar a tabela 3 verifica-se que as empresas inovadoras em produtos

correspondem a apenas 8,01% do total de empresas da PAEP, percentual mais baixo

do que o das empresas inovadoras em processos que corresponde a 11,52% do total.

Quanto à obtenção de patentes, o percentual encontrado pela PAEP foi muito

baixo, mesmo considerando patentes obtidas no Brasil e no exterior de maneira

conjunta, correspondendo a 4,53% das empresas pesquisadas.

Para a obtenção de faturamento advindo de novos e melhorados produtos, esse

percentual, como era de se esperar, é próximo ao das empresas inovadoras em

produtos, correspondendo a 7,37% do total da amostra da PAEP.

97

Quando se considera a distribuição dos percentuais nas faixas de pessoal

ocupado das empresas inovadoras em produtos, das inovadoras em processo, das que

obtiveram patentes e das que obtiveram faturamento advindo de novos e melhorados

produtos, percebe-se que existe uma tendência comum, estando a maior parte das

empresas concentradas na faixa de até 29 pessoas ocupadas, seguida pela faixa de 30

a 99 pessoas ocupadas, pela faixa de 100 a 499 pessoas ocupadas e pela faixa de

empresas com mais de 500 pessoas ocupadas, refletindo a própria característica da

amostra da PAEP que apresenta a mesma ordem.

Entretanto, vale destacar que a concentração de empresas na faixa de até 29

pessoas ocupadas é menor tanto para as empresas inovadoras em produtos, quanto

para as empresas inovadoras em processo, para as empresas que obtiveram patentes

e para empresas que obtiveram faturamento advindo de novos e melhorados produtos,

do que o da amostra da PAEP como um todo, revelando que embora as empresas de

maior porte sejam minoria na amostra da pesquisa, elas contribuem expressivamente

para a inovação tecnológica, para a obtenção de patentes e para o faturamento de

novos e melhorados produtos.

4.1.2. ORIGEM DO CAPITAL CONTROLADOR

A tabela 4 apresenta dados sobre a origem do capital controlador das empresas

inovadoras em produtos e das inovadoras em processos da amostra da PAEP, sendo

que as empresas com capital controlador nacional são ampla maioria nos dois casos.

98

Nas empresas inovadoras em produtos a parcela de empresas com capital

controlador de origem nacional é de 7,3% do total da amostra, enquanto as empresas

com capital controlador internacional ou misto representam 0,8%.

Setorialmente, a presença de empresas com capital controlador internacional ou

misto é muito pequena entre as empresas inovadoras em produtos em todos os setores

estudados pela PAEP, sendo inexistente na Indústria Extrativa, no setor de Vestuário e

acessórios e no setor de Artefatos de couro, porém é preciso destacar o setor de Refino

de petróleo onde as empresas inovadoras em produtos com capital internacional ou

misto representam 4,41% da amostra, contra 1,47% das empresas com capital

nacional, além do setor de Produtos químicos e o setor de Eletrônicos e comunicações,

onde a participação destas empresas em termos percentuais é bem superior ao total da

amostra, representando respectivamente 4,67% e 4,16% do total destes setores.

Para as empresas inovadoras em processos, a participação das empresas com

capital controlador internacional ou misto também foi pequena, representando 0,92% da

amostra da PAEP contra 10,82% das empresas com capital controlador de origem

nacional.

Analisando setorialmente a inovação tecnológica em processos, percebe-se que

as empresas com capital controlador de origem internacional ou misto não

apresentaram percentual superior ao das empresas com capital controlador de origem

nacional em nenhum caso, porém, em todos os setores existe a participação deste tipo

de empresa, o que não acontece no caso das empresas inovadoras em produtos.

99

Inovação em produtos Inovação em processos Setor

Nacional Misto ou internacional Nacional Misto ou

internacional N 10 0 56 2 Indústria Extrativa % 1,78 0,00 9,98 0,36 N 134 24 369 33 Alimentos e

Bebidas % 3,37 0,60 9,29 0,83 N 142 3 200 2 Produtos Têxteis % 7,97 0,17 11,22 0,11 N 29 0 332 1 Vestuários e

Acessórios % 0,64 0,00 7,34 0,02 N 54 0 112 4 Artefatos de

Couro % 4,12 0,00 8,54 0,31 N 26 4 65 9 Celulose e Papel % 3,10 0,48 7,74 1,07 N 103 5 280 10 Edição e

Impressão % 4,00 0,19 10,87 0,39 N 1 3 19 3 Refino de

Petróleo % 1,47 4,41 27,94 4,41 N 282 83 394 66 Produtos

Químicos % 15,87 4,67 22,17 3,71 n 260 20 396 31 Borracha e

Plásticos % 9,24 0,71 14,08 1,10 n 104 7 193 10 Minerais

não-Metálicos % 3,76 0,25 6,98 0,36 n 59 10 118 9 Metalurgia Básica % 5,18 0,88 10,37 0,79 n 285 16 583 16 Produtos

Metálicos % 6,04 0,34 12,34 0,34 n 531 75 412 67 Máquinas e

Equipamentos % 18,51 2,62 14,37 2,34 n 45 1 50 2 Equipamentos de

Informática % 36,59 0,81 40,65 1,63 n 177 15 132 22 Material Elétrico % 15,34 1,30 11,43 1,90 n 111 17 63 19 Eletrônicos e

comunicações % 27,14 4,16 15,37 4,63 n 157 5 109 6 Equipamentos

Médicos % 29,29 0,93 20,37 1,12 n 85 19 119 34 Veículos

Automotores % 7,72 1,73 10,81 3,09 n 22 3 22 10 Outros Equip. de

Transporte % 10,53 1,44 10,48 4,76 n 278 6 269 11 Outras Indústrias % 6,28 0,14 6,08 0,25 n 2895 316 4293 367 Total % 7,30 0,80 10,82 0,92

Tabela 4 – Origem do capital controlador e inovação tecnológica.

100

É relevante destacar que em alguns setores a participação de empresas com

capital controlador de origem internacional ou mista é pequena, porém expressiva,

como no setor de Refino de petróleo com 4,41%, no setor de Produtos químicos com

3,71%, no setor de Eletrônicos e comunicações com 4,63% e no setor de Outros

equipamentos de transportes com 4,76%.

A contribuição das empresas com capital controlador de origem totalmente

nacional foi muito expressiva em alguns setores quando se trata de inovação em

processos no período considerado pela PAEP, como pode ser observado na tabela 4,

onde se destaca principalmente o setor de Equipamentos de informática com 40,65%, o

setor de Refino de petróleo com 27,94% e o de Produtos Químicos com 22,17%.

A grande taxa de inovação em processos nos setor de Equipamentos de

informática pode ser explicada pela competitividade do setor e pela exigência de

qualidade nestes tipos de equipamentos, enquanto que nos casos dos setores de

Refino de petróleo e de Produtos químicos isso acontece provavelmente por se

tratarem de setores altamente dependentes de processos cada vez mais eficientes e

seguros.

A tabela 5 apresenta dados das empresas que obtiveram patentes no Brasil ou

no exterior e das empresas que obtiveram faturamento advindo de novos e melhorados

produtos no período considerado pela PAEP quanto à origem do capital controlador.

Quanto à obtenção de patentes, as empresas com capital controlador de origem

nacional representam 4,02% do total da amostra, enquanto que as empresas com

capital controlador de origem internacional ou misto correspondem a apenas 0,61%.

101

Obtenção de patentes Obtenção de faturamento

advindo de novos e melhorados produtos Setor

Nacional Misto ou internacional Nacional Misto ou

internacional N 5 0 10 0 Indústria Extrativa % 0,94 0,00 1,78 0,00 N 67 16 132 18 Alimentos e
















Tabela 5 – Origem do capital controlador e obtenção de patentes e de faturamento advindo de novos e melhorados produtos.

102

Ao analisar os setores abordados pela PAEP percebe-se que não houve

empresas de capital controlador de origem internacional ou mista que obtiveram

patentes na Indústria extrativa, no setor de Produtos têxteis, no setor de Vestuário e

acessórios e no setor de Artefatos de couro, refletindo o baixo número destas empresas

que introduziram algum tipo de inovação tecnológica. Entretanto vale destacar o setor

de Refino de petróleo onde as empresas de capital controlador de origem internacional

ou mista que obtiveram patentes representam 5,36% do total do setor contra 1,79% das

empresas de capital nacional.

O setor de Equipamentos de informática é destaque pela porcentagem de

empresas que obtiveram patentes, representando 31,37% do total do setor, o que

mostra a preocupação do setor com a proteção das descobertas devido à alta

competitividade, e também pelo fato de todas estas empresas serem de capital

controlador de origem nacional.

Quanto à obtenção de faturamento advindo de novos e melhorados produtos as

proporções de empresas com capital controlador de origem internacional ou mista e de

empresas com capital controlador de origem nacional é próxima a das inovadoras em

produtos como já era de se esperar, representando 0,70% e 6,78% do total da amostra

respectivamente. Já a análise setorial revela que a participação de empresas de capital

controlador de origem internacional ou mista, no que tange ao faturamento advindo de

novos ou melhorados produtos foi expressivamente maior do que o total da amostra em

termos percentuais nos setores de Máquinas e equipamentos com 2,24%, Eletrônicos e

comunicações com 2,96%, o setor de Produtos químicos com 4,40% e o setor de

Refino de petróleo com 4,41% do total.

103

É importante citar ainda, que o retorno comercial das inovações em produtos das

empresas com capital controlador de origem nacional é altamente expressivo em muitos

setores, com destaque para as empresas que obtiveram faturamento advindo de novos

e melhorados produtos no setor de Eletrônicos e comunicações, representando 20% do

total, Equipamentos médicos com 28,03% do total, e no setor de Equipamentos de

informática onde este percentual corresponde a 36,07%.

4.1.3. MÉDIA SALARIAL

A construção da variável que representa a média salarial neste trabalho foi feita

calculando o logaritmo na base dez do salário médio pago pelas empresas no ano de

2001. Por isso, ao apresentar os resultados neste item, foi feita a opção por manter a

variável na forma de logaritmo, como foi utilizada para obter os resultados deste

trabalho. Dessa forma, a tabela 6 abaixo apresenta uma comparação da média salarial

por setor, entre as empresas que realizaram inovações tecnológicas em produtos e as

que não realizaram este tipo de inovação no período considerado pela PAEP.

Quando se analisa a amostra da PAEP de maneira agregada, os dados mostram

que a média salarial das empresas inovadoras em produtos é de 3,92 enquanto que a

das empresas que não realizaram inovações é de 3,77. É importante destacar que

embora a maior parte das empresas que inovaram em produtos esteja na faixa de até

29 pessoas ocupadas, o que possivelmente indicaria uma média salarial mais baixa, a

média salarial se apresentou um patamar mais alto do que o das não inovadoras em

104

produtos, indicando que os salários pagos pelas por estas empresas são maiores,

forçando esta média para cima.

Média Salarial Setor Inova Não inova

Indústria Extrativa 3,85 3,80 Alimentos e Bebidas 3,85 3,70

Produtos Têxteis 3,82 3,72 Vestuários e Acessórios 3,81 3,64

Artefatos de Couro 3,82 3,66 Celulose e Papel 4,02 3,84

Edição e Impressão 3,99 3,86 Refino de Petróleo 4,28 4,01 Produtos Químicos 4,07 3,91

Borracha e Plásticos 3,89 3,82 Minerais não-Metálicos 3,83 3,64

Metalurgia Básica 3,91 3,83 Produtos Metálicos 3,93 3,82

Máquinas e Equipamentos 3,98 3,99 Equipamentos de Informática 4,14 3,73

Material Elétrico 3,92 3,84 Eletrônicos e comunicações 3,98 3,86

Equipamentos Médicos 3,96 3,94 Veículos Automotores 3,87 3,80

Outros Equip. de Transporte 3,98 3,83 Outras indústrias 3,63 3,68

Média geral 3,92 3,77 Tabela 6 – Inovação em produtos e média salarial.

A análise setorial das empresas da PAEP, também mostra que na maioria dos

casos a média salarial é mais alta para as empresas inovadoras em produtos do que

nas não inovadoras, com exceção do setor de Máquinas e equipamentos onde a média

salarial paga pelas empresas não inovadoras em produtos é ligeiramente maior,

alcançando 3,99 contra 3,98 das empresas inovadoras.

105

É importante destacar que a maior diferença encontrada com relação às médias

salariais das empresas inovadoras e não inovadoras em produtos foi a do setor de

Equipamentos de informática, que coincidentemente ou não tem uma das mais altas

taxas de inovação entre os setores estudados pela PAEP. Neste setor a média salarial

das empresas inovadoras em produtos foi de 4,14 contra 3,73 das não inovadoras.

Ainda é relevante citar como destaques o setor de Celulose e papel, onde a

média salarial paga pelas empresas inovadoras em produtos foi de 4,02 contra 3,84 das

não inovadoras e o setor de Refino de petróleo onde esta diferença foi de 4,28 contra

4,01.

Quanto à inovação em processos, os dados apresentados pela tabela 7 mostram

que a diferença entre a média salarial paga pelas empresas inovadoras e pelas não

inovadoras pode ser verificada nos dados da próxima tabela, onde a característica

apresentada é muito semelhante ao caso da inovação em produtos. A média salarial

das empresas inovadoras em processos para a amostra da PAEP como um todo foi de

3,92 contra 3,76 das empresas não inovadoras.

Setorialmente, não há nenhum caso em que a média salarial paga pelas

empresas não inovadoras em processos seja maior do que a das inovadoras e as

diferenças mais expressivas estão no setor de Outros equipamentos de transporte,

onde a média salarial das indústrias inovadoras é de 4,10 contra 3,81 das não

inovadoras e no setor de Equipamentos de informática, que possui a maior taxa de

inovação em processos (42,28%), onde esta diferença é de 4,01 das inovadoras contra

3.82 das não inovadoras.

106

Média Salarial Setor

Inova Não inova Indústria Extrativa 3,93 3,78

Alimentos e Bebidas 3,79 3,70 Produtos Têxteis 3,76 3,72

Vestuários e Acessórios 3,74 3,63 Artefatos de Couro 3,70 3,66 Celulose e Papel 4,03 3,83








Média geral 3,92 3,76 Tabela 7 – Inovação em processos e média salarial.

Quando se trata de obtenção de patentes a tabela 8 apresenta características

muito semelhantes aos casos de inovação em produtos e inovação em processos, pois

a média salarial paga pelas empresas que obtiveram patentes é superior à média paga

pelas empresas que não obtiveram, sendo que esta diferença é de 3,93 contra 3,77.

Em termos setoriais, porém, existem casos em que a média salarial paga pelas

empresas que não obtiveram patentes é superior a paga pelas empresas que

obtiveram, como no setor de Equipamentos médicos onde essa relação é de 3,95 para

3,89 e no setor de Produtos têxteis onde a diferença é de 3,73 para 3,60.

107

Também é relevante destacar o setor de Outros equipamentos de transporte,

que apresenta a diferença mais expressiva, sendo a média salarial das empresas que

obtiveram patentes de 4,30 contra 3,82 das empresas que não obtiveram, além do setor

de Refino de Petróleo, onde esta diferença é de 4,26 contra 4,01, o que pode ser

explicado pela origem do capital controlador das empresas que obtiveram patentes

nestes setores, que em sua maioria é internacional ou misto.


Obteve Não obteve Indústria Extrativa 3,82 3,79










Média geral 3,93 3,77

Tabela 8 – Obtenção de patentes e média salarial. No que tange às empresas que obtiveram faturamento advindo de novos e

melhorados produtos, quando se analisa a amostra de maneira agregada, a média

108

salarial alcança um valor de 3,92 sendo superior à média das empresas que não

obtiveram este resultado, que é de 3,77 sendo exatamente a mesma diferença

encontrada entre as empresas inovadoras e não inovadoras em produtos, fato

compreensível, pois o faturamento advindo de novos e melhorados produtos é o reflexo

comercial da inovação tecnológica em produtos.


Obteve Não obteve Indústria Extrativa 3,85 3,80










Média geral 3,92 3,77 Tabela 9 – Obtenção de faturamento advindo de novos e melhorados produtos e média salarial.

A tabela 9 acima permite verificar que em termos setoriais a média salarial das

empresas que obtiveram faturamento advindo de novos e melhorados produtos é

superior em todos os casos com exceção do setor de Máquinas e equipamentos, onde

109

as empresas que não obtiveram este resultado têm média salarial igual a 4,00 enquanto

que aquelas que obtiveram faturamento com novos e melhorados produtos têm média

igual a 3,97, repetindo o que aconteceu com o setor no caso da inovação em produtos.

É importante destacar outra semelhança com a inovação tecnológica em

produtos, pois a diferença mais expressiva encontrada com relação às médias salariais

das empresas que obtiveram faturamento advindo de novos e melhorados produtos em

relação às que não obtiveram foi exatamente a mesma, 4,14 contra 3,73 no setor de

Equipamentos de informática.

4.1.4. ORIENTAÇÃO EXPORTADORA

Com relação à orientação exportadora, ao considerar apenas as empresas que

realizaram inovações tecnológicas em produtos no período considerado pela PAEP,

verifica-se que a porcentagem de empresas que não exportam é de 5,48% da amostra

enquanto que as empresas que realizaram exportações, seja regularmente ou

ocasionalmente, é de 2,68% do total de empresas pesquisadas.

A tabela 10 apresenta dados relativos às empresas que realizaram inovações

tecnológicas em produtos e as empresas que realizaram inovações tecnológicas em

processos, quanto à orientação exportadora e nos diversos setores estudados pela

PAEP, ao observá-lo é possível verificar, quanto às empresas inovadoras em produtos,

que a parcela de empresas que exportam é menor do que as que não exportam na

maioria dos setores.

110

Entretanto, em alguns setores a porcentagem de empresas que exportam é

superior à porcentagem das que não exportam, como é o caso do setor de Celulose e

papel, onde 1,80% das empresas exportam enquanto 1,44% não exportam, do setor de

Refino de petróleo, onde 4,41% das empresas exportam e 1,47% não exportam e do

setor de Outros equip. de transporte, onde 7,50% exportam contra 5,00% de empresas

que não exportam.

Já no que tange às empresas que realizaram inovação tecnológica em

processos, os dados da tabela abaixo mostram que a parcela de empresas que

exportam é de 3,23% do total da amostra, contra 8,23% das não exportadoras,

apresentando assim diferença superior a apresentada pelas empresas inovadoras em

produtos.

Com relação aos setores industriais, a tabela 10 permite verificar que entre as

empresas que realizaram inovações em processos na maioria dos casos a parcela de

empresas não exportadoras é maior do que a das exportadoras, entretanto isto não

acontece no setor de Refino de petróleo, que apresenta 17,65% de empresas

exportadoras enquanto que a parcela de não exportadoras é de 13,24%, no setor de

Outros equipamentos de transporte que apresenta 6,50% de exportadoras, contra

5,00% de não exportadoras e no setor de Eletrônicos e comunicações onde a parcela

de exportadoras corresponde a 10,32% contra 9,34% de não exportadoras.

Estes resultados são esperados devido à própria constituição da amostra da

Pesquisa de Atividade Econômica Paulista, que em sua grande maioria é formada por

empresas não exportadoras, assim a parcela de empresas inovadoras que exporta

muitas vezes é menor do que a que não exporta.

111


Não exporta Exporta Não exporta Exporta N 10 0 55 4 Indústria Extrativa % 1,78 0,00 9,77 0,71 N 86 71 288 113 Alimentos e
















Tabela 10 – Inovação tecnológica e orientação exportadora.

112

No caso das empresas que obtiveram patentes no período considerado pela

PAEP, a tabela 11 abaixo mostra que as empresas que exportam representam apenas

1,81% do total da amostra da PAEP contra 2,80% das não exportadoras. Embora seja

um percentual pequeno, é preciso destacar que a diferença entre as empresas

exportadoras e não exportadoras é menor do que nos casos citados anteriormente das

empresas que inovaram em produtos e das empresas que inovaram em processos.

Embora a amostra apresente, quando se analisa de maneira agregada, um

percentual maior de não exportadoras do que exportadoras, ao se observar

setorialmente é possível perceber que em muitos casos a porcentagem de empresas

exportadoras é superior, como nos setores de Celulose e papel, Refino de petróleo

(onde todas as empresas que obtiveram patentes exportam), Minerais não-metálicos,

Metalurgia básica, Material elétrico, Equipamentos médicos, Veículos automotores e

Outros equipamentos de transporte.

Quanto às empresas que obtiveram faturamento advindo de novos e melhorados

produtos é possível observar que o percentual de empresas exportadoras é menos da

metade do percentual das empresas não exportadoras, sendo que estes números

correspondem 5,16% e 2,43% respectivamente.

O baixo número de empresas exportadoras que obtiveram faturamento advindo

de novos e melhorados produtos mostra que a maioria destas empresas obteve o

retorno comercial de suas inovações em produtos no mercado interno, o que pode ser

explicado talvez pelo fato de que muitas delas realizaram inovações em produtos

somente para a empresa e não para o mercado, provavelmente diminuindo a chance de

sucesso comercial destes produtos no exterior.

113



Não exporta Exporta Não exporta Exporta N 5 0 10 0 Indústria Extrativa % 0,94 0,00 1,80 0,00 N 49 33 85 64 Alimentos e
















Tabela 11 – Obtenção de patentes, de faturamento advindo de novos e melhorados produtos e orientação exportadora.

114

Observando individualmente os números dos setores industriais na tabela 11

verifica-se que na maioria dos casos, a porcentagem de empresas exportadoras é

menor do que o das não exportadoras, sendo exceções somente o setor de Celulose e

papel, onde estes números são 1,84% e 0,92% respectivamente, o setor de Refino de

petróleo, com 6,38% e 2,13%, o setor de Veículos automotores, com 4,58% e 3,95% e

o setor de Outros equipamentos de transportes onde estes números foram de 7,98% e

5,32%.

Com relação à obtenção de faturamento advindo de novos e melhorados

produtos, também podem ser destacados alguns setores onde a porcentagem de

empresas exportadoras foi menor do que o das não exportadoras, mas com números

muito superiores a média da amostra como um todo, como o setor de Equipamentos

médicos onde 10,65% das empresas exportam, o setor de Produtos químicos onde as

empresas exportadoras correspondem a 8,65% do total, o setor de Equipamentos de

comunicação, onde este número foi de 7,49% e o setor de Máquinas e equipamentos

onde esta parcela corresponde a 6,07%.

4.1.5. INVESTIMENTOS EM PESQUISA E DESENVOLVIMENTO

Ao comparar o investimento financeiro e o investimento em recursos humanos

alocados em pesquisa e desenvolvimento, realizados pelas empresas que introduziram

novos ou melhorados produtos no mercado com os investimentos realizados pelas

115

empresas que não tiveram inovações tecnológicas em produtos, verifica-se que a média

de investimentos do primeiro grupo é superior ao do segundo em ambos os casos.

A tabela 12 apresenta a porcentagem de receita líquida alocada em pesquisa e

desenvolvimento das empresas que realizaram e das que não realizaram inovações em

produtos no período considerado pela PAEP, sendo possível verificar que as empresas

inovadoras em produtos alocaram em média 0,159% da receita líquida de suas

atividades enquanto que nas empresas não inovadoras em produtos este percentual

fica próximo de 0,060%.

Ao analisar setorialmente, verifica-se que em alguns setores acontece

exatamente o inverso, como é o caso da Indústria extrativa, do setor de Produtos

têxteis, do setor de Vestuário e acessórios, do setor de Artefatos de couro, do setor de

Celulose e papel, do setor de Edição e impressão, do setor de Refino de petróleo, do

setor de Borracha e plásticos, do setor de Produtos metálicos e do setor de Material

elétrico.

Da mesma forma, a tabela abaixo mostra que as empresas analisadas pela

pesquisa, que realizaram inovações em produtos, alocaram 9,26% do total de pessoal

ocupado em atividades de pesquisa e desenvolvimento, enquanto que as empresas

que não realizaram este tipo de inovação alocaram de 1,35% do total de pessoal

ocupado para estas atividades.

Um fato importante a ser destacado é que em nenhum setor o investimento

feito em recursos humanos pelas empresas inovadoras em produtos foi inferior ao das

não inovadoras.

116

Investimento financeiro

em P&D Recursos humanos alocados em P&D Setor

Inova Não Inova Inova Não Inova Indústria Extrativa % 0,000 0,064 2,03 0,38

Alimentos e Bebidas % 0,045 0,039 6,81 1,28 Produtos Têxteis % 0,013 0,038 7,99 0,68

Vestuários e Acessórios % 0,000 0,044 2,42 1,34 Artefatos de Couro % 0,000 0,095 6,96 2,20 Celulose e Papel % 0,049 0,116 3,40 1,30

Edição e Impressão % 0,000 0,016 4,62 1,18 Refino de Petróleo % 0,000 0,147 2,52 0,86 Produtos Químicos % 0,101 0,066 10,18 2,82

Borracha e Plásticos % 0,028 0,285 4,80 1,58 Minerais não-Metálicos % 0,089 0,010 2,65 0,96

Metalurgia Básica % 0,036 0,024 3,87 0,59 Produtos Metálicos % 0,006 0,031 10,81 0,58

Máquinas e Equipamentos % 0,147 0,036 9,47 2,75 Equipamentos de Informática % 0,742 0,000 20,43 4,90

Material Elétrico % 0,103 0,137 7,82 1,26 Eletrônicos e comunicações % 0,238 0,023 14,38 5,32

Equipamentos Médicos % 1,378 0,394 20,72 3,39 Veículos Automotores % 0,227 0,022 5,71 1,06

Outros Equip. de Transporte % 0,047 0,005 7,16 4,89 Outras indústrias % 0,043 0,023 12,15 0,99

Média geral % 0,159 0,060 9,26 1,35 Tabela 12 – Investimento financeiro e de recursos humanos em pesquisa e desenvolvimento e inovação em produtos.

Como tanto os recursos financeiros, como os recursos humanos investidos em

pesquisa e desenvolvimento são insumos importantes para a inovação tecnológica,

verifica-se que o maior investimento realizado pelas empresas inovadoras em produtos

foi fator preponderante para que estas obtivessem este resultado.

Quanto à inovação tecnológica em processos, a tabela 13 apresenta os dados

relativos ao investimento de recursos financeiros e de recursos humanos em P&D das

empresas inovadoras em processos da amostra da PAEP.

Na média geral, o investimento financeiro em P&D das empresas inovadoras em

processos foi superior ao das empresas que não realizaram este tipo de inovação

tecnológica.

117

Investimento financeiro

em P&D Recursos humanos alocados em P&D Setor

Inova Não Inova Inova Não Inova Indústria Extrativa % 0,000 0,070 1,50 0,29










Média geral % 0,093 0,065 7,09 1,32 Tabela 13 – Investimento financeiro e de recursos humanos em pesquisa e desenvolvimento e inovação em processos.

Entretanto, ao analisar a amostra setorialmente, pode se verificar que na maioria

dos setores as empresas não inovadoras em processo tiveram média de investimentos

financeiros alocados em pesquisa e desenvolvimento superior ao das empresas

inovadoras, como é o caso da Indústria extrativa, do setor se Alimentos e bebidas, do

setor de Produtos têxteis, do setor de Vestuário e acessórios, do setor de Artefatos de

couro, do setor de Celulose e papel, do setor de Refino de petróleo, do setor de

Borracha e plásticos, do setor de Metalurgia básica, do setor de Produtos metálicos, do

setor de Equipamentos de informática, do setor de Material elétrico e do setor de Outras

indústrias.

118

Nos investimentos de recursos humanos alocados em P&D, a média geral das

empresas inovadoras em processos é de 7,09% do total de pessoal ocupado enquanto

que o das não inovadoras é muito menor, correspondendo à apenas 1,32%.

Setorialmente, ao contrário do que acontece com os recursos financeiros, na grande

maioria dos casos as empresas inovadoras em processos alocaram uma porcentagem

maior de seu pessoal ocupado do que o das não inovadoras, sendo que a única

exceção é o setor de Refino de petróleo, onde as empresas não inovadoras alocaram

1,16% em média do total de pessoal ocupado, contra 0,42% das empresas inovadoras.

Ao analisar a obtenção de patentes por meio dos dados da tabela 14, verifica-se

que a média de investimentos financeiros realizados em P&D foi maior nas empresas

que obtiveram patentes do que o realizado pelas que não obtiveram, sendo que estes

percentuais correspondem respectivamente a 0,154% e 0,065% do total de receita

líquida das atividades. Entretanto, como no caso da inovação tecnológica em produtos

e no da inovação tecnológica em processos, em muitos setores a média de

investimentos feitos pelas empresas que não obtiveram patentes superou a média das

que não obtiveram, como na Indústria extrativa, no setor de Produtos têxteis, no setor

de Vestuário e acessórios, no setor de Artefatos de couro, no setor de Celulose e papel,

no setor de Edição e impressão, no setor de Refino de petróleo, no setor de Borracha e

plásticos, no setor de Equipamentos de informática e no setor de Outros equipamentos

de transporte.

Um outro ponto relevante é que em alguns destes setores a média de

investimentos financeiros realizados em P&D pelas empresas que obtiveram patentes

foi igual a zero, o que mostra que embora a média geral das empresas que obtiveram

patentes seja superior quando se considera a amostra de maneira agregada, este

119

resultado parece ser fortemente influenciado por valores extremos como é o caso do

setor de Equipamentos Médicos, com 1,371%, o setor de Minerais não metálicos com

0,294% e pelo setor de Equipamentos de comunicação com 0,279%.

Quanto ao investimento em recursos humanos, a tabela 14 mostra que a média

das empresas que obtiveram patentes foi novamente superior ao das que não

obtiveram, sendo que estes números correspondem a 8,56% e 1,62% respectivamente.

As exceções ficam por conta do setor de Vestuário e acessórios, onde as empresas

que não obtiveram patentes investiram em P&D uma média de 1,29% do total de

pessoal ocupado, contra 0,84% das que obtiveram e o setor de Artefatos do couro,

onde estes números são de 1,35% e 0,98% respectivamente.

Investimento financeiro em P&D

Recursos humanos alocados em P&D Setor

Obteve Não obteve Obteve Não obteve Indústria Extrativa % 0,000 0,067 0,00 0,35










Média geral % 0,154 0,065 8,56 1,62 Tabela 14 – Investimento financeiro e de recursos humanos em pesquisa e desenvolvimento e Obtenção de patentes.

120

No caso da obtenção de faturamento advindo de novos e melhorados produtos, o

a tabela 15 a seguir mostra que os investimentos financeiros realizados pelas empresas

que obtiveram faturamento foram em média 0,131% da receita líquida das atividades,

enquanto que o percentual das empresas que não obtiveram faturamento com novos

produtos foi de 0,60%, o mesmo das empresas não inovadoras em produtos como era

de se esperar.

Investimento financeiro em P&D

Recursos humanos alocados em P&D Setor

Obteve Não obteve Obteve Não obteve Indústria Extrativa % 0,000 0,064 2,03 0,38










Média geral % 0,131 0,060 9,73 1,36 Tabela 15 – Investimento financeiro e de recursos humanos em pesquisa e desenvolvimento e obtenção de faturamento advindo de novos e melhorados produtos.

Setorialmente, a tabela 15 mostra que, como no caso da inovação tecnológica

em produtos, em muitos setores a média de investimentos financeiros feitos pelas

empresas que não obtiveram faturamento advindo de novos e melhorados produtos é

121

superior ao das que não obtiveram este resultado, como é o caso da Indústria extrativa,

do setor de Produtos têxteis, do setor de Vestuário e acessórios, do setor de Artefatos

de couro, do setor de Celulose e papel, do setor de Edição e impressão, do setor de

Refino de petróleo, do setor de Borracha e plásticos, do setor de Produtos metálicos, do

setor de Material elétrico e do setor de Outras indústrias.

A média superior de investimentos financeiros em P&D das empresas que

obtiveram faturamento advindo de novos e melhorados produtos quando se considera a

amostra de maneira agregada também parece ser explicada pelos níveis média

realizados por alguns poucos setores, como é o caso dos setores de Equipamentos

médicos, Equipamentos de informática e Equipamentos de comunicação.

Quanto aos investimentos em recursos humanos alocados em P&D, a

porcentagem das empresas que obtiveram faturamento advindo de novos e melhorados

produtos foi bem superior ao das que não obtiveram este resultado, sendo que estes

números foram de 9,73% e 1,36% respectivamente. A análise setorial dos dados da

tabela 15 permite verificar que em nenhum setor as empresas que não obtiveram

faturamento advindo de novos e melhorados produtos investiram uma porcentagem

mais alta do total de pessoal ocupado do que o das empresas que não obtiveram.

Em todos os dados apresentados neste item, seja para a inovação tecnológica

em produtos, para a inovação tecnológica em processos, para a obtenção de patentes

ou para a obtenção de faturamento advindo de novos e melhorados produtos, os

investimentos de recursos humanos em pesquisa e desenvolvimento parecem contribuir

de uma forma mais consistente para explicar estes resultados do que os investimentos

financeiros em P&D, o que se espera, portanto encontrar nos resultados deste trabalho.

122

4.1.6 LABORATÓRIO OU DEPARTAMENTO ESPECÍFICO DE P&D

Um fator de grande importância para a inovação tecnológica e

consequentemente para a obtenção de patentes ou de faturamento advindo de novos e

melhorados produtos segundo Brown e Svenson (1988) é a presença de um laboratório

ou de um departamento específico para a realização de pesquisa e desenvolvimento

dentro da empresa.

Entretanto, a análise dos dados relativos à presença de laboratórios ou

departamentos de P&D nas empresas da amostra da PAEP revela que a maior parte

das empresas que realizaram inovações em produtos não possui este tipo de ambiente,

correspondendo a 5,93% do total da amostra, enquanto que, apenas 2,24% das

empresas possuem.

Já a análise dos estratos da amostra, correspondentes aos setores industriais

estudados pela PAEP revela que em alguns setores a presença de laboratórios ou de

departamentos específicos de P&D ocorre na maioria das empresas que realizaram

inovações em produtos, como é o caso do setor de Artefatos do couro onde 2,32% das

empresas possuem estes ambientes contra 1,72% que não possuem, também o setor

de Refino de petróleo, onde 3,90% possuem e 1,30% não possuem, o setor de

Equipamentos de informática, onde 30,23% possuem e 7,75% não possuem e o setor

de Eletrônicos e comunicações onde 19,13% possuem e 12,83% não possuem

123


Não possui Possui Não possui Possui N 10 0 51 7 Indústria Extrativa % 1,74 0,00 8,89 1,22 N 105 55 342 66 Alimentos e
















Tabela 16 – Presença de laboratório ou departamento específico de P&D e inovação em produtos e processos.

124

Também quanto às empresas inovadoras em processo, os dados revelam que,

no geral, 9,20% das empresas da amostra não possuem laboratórios ou departamentos

específicos de P&D, enquanto que apenas 2,54% possuem este tipo de ambiente.

Entre as empresas inovadoras em processos, considerando os diversos setores

estudados pela pesquisa, na maioria dos casos as empresas que possuem laboratórios

ou departamentos específicos de P&D é minoria, entretanto o setor de Produtos

químicos, onde 12,68% possuem e 12,26% não possuem, o setor de Equipamentos de

informática, onde 25,78% possuem e 14,06% não possuem, o setor de Eletrônicos e

comunicações, onde 10,60% possuem e 9,40% não possuem e o setor de

Equipamentos médicos, onde 11,21% possuem e 10,68% não possuem, são exceções.

A baixa quantidade de empresas que possuem laboratórios ou departamentos

específicos de P&D pode ser explicada por se tratar normalmente de ambientes que

demandam altos investimentos, o que pode ser um fator que limita ou impede a sua

presença já que a maior parte das empresas que compõem a amostra está na faixa de

até 29 pessoas ocupadas e alocam poucos recursos em P&D, como mostrado

anteriormente.

Ao analisar os dados da tabela a seguir de maneira agregada, é possível

observar que, quanto às empresas que obtiveram patentes, a presença de laboratório

ou departamento específico de P&D acontece em apenas 1,48% da amostra, enquanto

que a parcela de empresas que obtiveram patentes e não possuem este tipo de

ambiente corresponde a 3,25% do total da amostra.

125

















Automotores % 2,70 3,24 4,82 2,98 n 7 8 25 5 Equipamentos de


Tabela 17 – Presença de laboratório ou departamento específico de P&D e obtenção de patentes e de faturamento advindo de novos e melhorados produtos.

126

Entre os setores estudados pela PAEP, quanto se trata das empresas que

obtiveram patentes, poucos apresentaram porcentagem de empresas que possuem

laboratórios ou departamentos específicos de P&D superior à da empresas que não

possuem, caso do setor de Artefatos de couro, onde 1,53% das empresas possuem

contra 1,15% que não possuem, do setor de Material elétrico onde 4,15% possuem e

3,56% não possuem, do setor de Eletrônicos e comunicações, onde 11,19% possuem e

9,45% não possuem, do setor de Veículos automotores, onde 3,24% e possuem e

2,70% não possuem e do setor de Outros equipamentos de transporte, onde estes

números correspondem a respectivamente 3,83% e 3,35%.

Em se tratando de obtenção de faturamento de novos e melhorados produtos, a

tabela 17 mostra que a porcentagem de empresas da amostra que obtiveram este

resultado e não possuem laboratórios ou departamentos específicos de P&D

correspondem a 5,48% do total, enquanto que as que não possuem estes ambientes

correspondem a 2,07%.

Setorialmente, a maior parte das empresas que obtiveram faturamento advindo

de novos e melhorados produtos não possui laboratório ou departamento específico de

P&D, entretanto, são exceções os setores de Artefatos do couro onde 2,24% das

empresas possuem estes ambientes contra 1,72% que não possuem, o setor de Refino

de petróleo, onde 9,79% possuem e 9,20% não possuem, o setor de Equipamentos de

informática, onde 30,47% possuem e 7,03% não possuem e o setor de Eletrônicos e

comunicações onde 13,66% possuem e 10,00% não possuem.

127

4.1.7.COOPERAÇÃO EM PESQUISA E DESENVOLVIMENTO

A cooperação em pesquisa e desenvolvimento, segundo os dados apresentados

pela amostra da PAEP, não é um tipo de relação comum entre as empresas industriais

do estado de São Paulo.

A análise da amostra de maneira agregada revela que as empresas que

realizaram inovações em produtos no período considerado pela pesquisa e realizaram

cooperação em pesquisa e desenvolvimento, correspondem a apenas 1,44% do total

da amostra, enquanto que as que não realizaram correspondem a 6,76% deste total.

Os dados apresentados pela tabela 18 permitem verificar que na maioria dos

setores industriais estudados pela pesquisa as empresas inovadoras em produtos que

realizaram cooperação em P&D correspondem a porcentagens muito baixas,

usualmente menores do que a das empresas inovadoras que não realizaram este tipo

de cooperação, destacando-se alguns setores onde esta porcentagem foi menor que

1%, caso da Indústria extrativa, do setor de Alimentos e bebidas, do setor de Produtos

têxteis, do setor de Vestuários e acessórios, do setor de Artefatos de couro, do setor de

Celulose e papel, do setor de Edição e impressão e do setor de Outras indústrias. A

única exceção foi o setor de Equipamentos de informática, onde 26,36% das empresas

realizaram cooperação em P&D e 11,63% não realizaram.

No caso das empresas inovadoras em processos a participação das empresas

que realizaram cooperação também foi muito baixa, correspondendo, no geral a 1,83%

do total da amostra, contra 9,92% de empresas inovadoras em processos que

realizaram.

128


Não realizou Realizou Não realizou Realizou N 8 2 54 5 Indústria Extrativa % 1,39 0,35 9,41 0,87 N 121 39 352 56 Alimentos e
















Tabela 18 – Cooperação em pesquisa e desenvolvimento e inovação tecnológica em produtos e processos.

129

A análise setorial também mostra que a porcentagem de empresas inovadoras

em processo que realizaram cooperação em pesquisa e desenvolvimento foi muito

baixa em quase todos os casos, sendo que, como no caso da inovação tecnológica em

produtos, em muitos setores este percentual é menor do que 1%, como no setor de

Produtos têxteis, no setor de Vestuários e acessórios, no setor de Artefatos de couro,

do setor de Celulose e papel, no setor de Minerais não-metálicos, e no setor de Outras

indústrias. A exceção foi o setor de Equipamentos de informática onde o parcela de

empresas que inovaram em processos e realizaram cooperação no período

considerado pela pesquisa corresponde a 25,58% do total do setor, sendo maior que o

das empresas que inovaram em processos, mas não realizaram cooperação no período

considerado pela pesquisa, onde este percentual é de 14,73%.

Com relação à obtenção de patentes, os da tabela 19 mostram que a

porcentagem das empresas que realizaram cooperação em P&D e obtiveram patentes

foi muito baixa, sendo que quando se considera a amostra de maneira agregada este

percentual corresponde 0,93%, enquanto que as empresas que obtiveram patentes,

mas não realizaram cooperação correspondem a 4,00% do total da amostra.






Couro % 2,45 0,32 3,37 0,60 Celulose e Papel N 28 4 20 7

130

% 3,46 0,49 2,28 0,80 N 72 18 84 21 Edição e













Tabela 19 – Cooperação em pesquisa e desenvolvimento e obtenção de patentes e de faturamento advindo de novos e melhorados produtos.

Com respeito a analise setorial, em todos os estratos a porcentagem de

empresas realizaram cooperação em P&D, entre aquelas que obtiveram patentes, é

menor do a das que não realizaram, sendo extremamente baixas nos setores de

Alimentos e bebidas, de Produtos têxteis, Vestuários e acessórios, Artefatos de couro,

Celulose e papel, Edição e impressão, Borracha e plásticos, Minerais não metálicos,

Metalurgia básica e no setor de Outras indústrias, onde o percentual foi menor do que

1%.

131

Quando se trata da obtenção de faturamento advindo de novos e melhorados

produtos, os dados da amostra revelam uma situação muito parecida com a das

empresas inovadoras em produtos, como era de se esperar. Neste caso, a

porcentagem de empresas que obtiveram este tipo de faturamento e realizaram

cooperação em pesquisa e desenvolvimento foi de 1,32% do total da amostra,

enquanto que as empresas que obtiveram faturamento com novos e melhorados

produtos, mas não realizaram cooperação em P&D foi de 6,22% do total.

Com relação aos estratos da amostra que representam os setores industriais,

apenas o setor de Equipamentos de informática apresentou porcentagem de empresas

que cooperaram em pesquisa e desenvolvimento superior a das empresas que não

cooperaram em P&D, sendo que estas parcelas correspondem respectivamente a

25,78% e 11,72% do total do setor. Nos demais setores a situação apresentada é a

semelhante a apresentada pela amostra quando observada de maneira geral, sendo o

percentual de empresas que realizaram cooperação em P&D menor do que o

percentual de empresas que não realizaram este tipo de cooperação.

Os principais destaques, entre os setores onde a parcela de empresas que

obtiveram faturamento advindo de novos e melhorados produtos e realizaram

cooperação em P&D é extremamente pequena, da ordem de menos de 1%, está a

Indústria extrativa, o setor de Alimentos e bebidas, o de Produtos têxteis, o de

Vestuários e acessórios, o de Artefatos de couro, o setor de Celulose e papel, o setor

de Edição e impressão e o setor de Outras indústrias.

Vários fatores podem ser elencados para explicar os baixos percentuais de

empresas que realizaram cooperação em pesquisa e desenvolvimento, entre eles

podem ser destacados o tamanho das empresas, já que este tipo de cooperação tende

132

a ser feito por empresas de maior porte e na amostra da PAEP a predominância é de

empresas com baixos níveis de pessoal ocupado, a burocracia e a pouca tradição

quando se trata de cooperação institucional (com centros de pesquisa e universidades),

além de possivelmente a falta de esclarecimento das empresas industriais brasileiras

em saber que este tipo de cooperação pode reduzir custos e trazer resultados positivos

para as empresas que cooperam.

4.1.8 APOIO GOVERNAMENTAL

As empresas que receberam apoio governamental para a inovação tecnológica

na forma de empréstimos de bancos ou agências do governo, subsídios fiscais, bolsas

de estudo, ou outras formas de apoio financeiro e realizaram inovações tecnológicas

em produtos no período considerado pela PAEP representam apenas 0,75% do total da

amostra, enquanto que as empresas inovadoras em produtos que não receberam este

tipo de apoio representam 7,57% deste total.

Quando se analisa a amostra setorialmente, os dados apresentados na próxima

tabela mostram que existe uma baixa quantidade de empresas que realizaram

inovações em produtos no período considerado pela pesquisa e que receberam este

tipo de apoio do governo, onde na maioria dos casos a porcentagem destas empresas

ficou abaixo de 1% em seus respectivos setores, como no setor de Indústria extrativa,

no setor de Alimentos e bebidas, no setor de Produtos têxteis, no setor de Vestuários e

133

acessórios, no setor de Artefatos de couro, no setor de Celulose e papel, no de Edição

e impressão, no setor de Borracha e plásticos, no setor de Minerais não metálicos, no

setor de Metalurgia básica, no setor de Produtos metálicos, no setor de Veículos

automotores e no setor de Outras indústrias.

Em se tratando de inovação tecnológica em processos, os dados mostram uma

situação semelhante à apresentada pelas empresas inovadoras em produtos, porém

com uma porcentagem de empresas que receberam apoio do governo um pouco maior,

correspondendo a 1,42% do total da amostra, mas ainda sim sendo este percentual

muito menor do que o das empresas que não receberam este apoio, que representa

8,30% do total.


Não recebeu Recebeu Não recebeu Recebeu N 8 2 19 8 Indústria Extrativa % 1,48 0,37 3,51 1,48 N 128 32 269 49 Alimentos e









Metálicos % 5,98 0,70 8,94 1,20

134

n 575 40 376 79 Máquinas e Equipamentos % 19,75 1,37 12,92 2,71

n 43 6 33 13 Equipamentos de Informática % 34,68 4,84 26,83 10,57

n 186 14 106 36 Material Elétrico % 15,72 1,18 8,97 3,05 n 116 17 45 25 Eletrônicos e





Tabela 20 – Apoio governamental e inovação tecnológica em produtos e processos.

A análise setorial dos dados da tabela anterior mostra que em todos os setores a

porcentagem de empresas inovadoras em processo que receberam apoio

governamental é menor do que a das empresas que não receberam e realizaram este

tipo de inovação. Além disso, é relevante destacar que nos setores de Produtos têxteis,

de Vestuários e acessórios, de Artefatos de couro, de Minerais não metálicos,

Metalurgia básica, de Veículos automotores, de Outros equipamentos de transporte e

no setor de Outras indústrias este percentual foi menor do que 1% do total de cada

respectivo setor.

Os dados referentes às empresas que obtiveram patentes, presentes na tabela

21, mostram que de maneira geral a situação é semelhante a das empresas

inovadoras, sendo que apenas 0,59% do total da amostra receberam apoio

governamental, enquanto que 4,14% não receberam.

Em termos setoriais, os dados revelam que entre as empresas que obtiveram

patentes, em todos os casos a porcentagem de empresas que receberam apoio

135

governamental é menor do que a porcentagem de empresas que não receberam, sendo

extremamente baixas nos setores de Indústria extrativa, de Alimentos e bebidas, de

Produtos têxteis, de Vestuários e acessórios, de Artefatos de couro, de Celulose e

papel, de Edição e impressão, de Borracha e plásticos, de Minerais não metálicos, de

Metalurgia básica, de Produtos metálicos, de Material elétrico, de Veículos automotores,

no setor de Outros equipamentos de transporte e no setor de Outras indústrias, onde

estes percentuais não ultrapassaram 1% do total de cada setor.

Entre as empresas que obtiveram faturamento advindo de novos e melhorados

produtos apresentaram percentual de empresas que receberam apoio governamental

para a inovação tecnológica correspondente a 0,71% do total da amostra, enquanto que

as empresas que não receberam este tipo de apoio correspondem a 6,99% deste total.

Nos estratos da amostra que representam os setores industriais do estado de

São Paulo, a situação é semelhante ao apresentado pela amostra quando se observa

de maneira agregada, com todos os setores apresentando percentual de empresas que

obtiveram faturamento advindo de novos e melhorados produtos e não receberam

apoio governamental superior ao das empresas que faturaram com novos produtos no

período considerado pela pesquisa mas não receberam este tipo de apoio.

Por meio da tabela 21 é possível verificar que entre as empresas que obtiveram

faturamento advindo de novos e melhorados produtos, em muitos setores o percentual

de empresas que receberam apoio governamental é inferior a 1%, são os casos da

Indústria extrativa, do setor de Alimentos e bebidas, de Produtos têxteis, de Vestuários

e acessórios, de Artefatos de couro, de Celulose e papel, de Edição e impressão, de

Borracha e plásticos, de Minerais não metálicos, de Metalurgia básica, de Produtos

metálicos, de Veículos automotores e do setor de Outras indústrias.

136



















Tabela 21 – Apoio governamental e obtenção de patentes e de faturamento advindo de novos e melhorados produtos

137

A baixíssima porcentagem de empresas que receberam apoio governamental,

tanto no caso das empresas inovadoras em produtos, como no das inovadoras em

processo, nas empresas que obtiveram patentes e nas que obtiveram faturamento

advindo de novos e melhorados produtos, pode possivelmente, ser explicada por vários

fatores, entre eles estão o desconhecimento por parte das empresas no que tange aos

programas governamentais de apoio à inovação, a burocracia e as exigências feitas

pelo governo para que as empresas recebam este tipo de apoio e a quantidade

insuficiente de recursos oferecidos por estes programas.

4.1.8. FONTES DE INFORMAÇÃO PARA ATIVIDADES INOVATIVAS

As fontes de informação para atividades inovativas constituem um recurso

muito importante para a inovação tecnológica, sejam estas fontes internas, fontes

ligadas ao mercado, fontes acadêmicas ou outras fontes.

A comparação entre as empresas que realizaram inovações em produtos no

período considerado pela PAEP e as que não realizaram, mostra que de maneira geral,

a porcentagem de empresas inovadoras que atribuíram importância às fontes de

informação para a inovação, foi superior à porcentagem das não inovadoras. De acordo

com os dados da tabela, as empresas inovadoras que consideram importantes as

fontes internas correspondem a 6,80% do total da amostra enquanto que as não

inovadoras que atribuíram importância representam 4,06% deste total.

138

Setor Fontes internas

Fontes ligadas ao mercado

Fontes acadêmicas

Outras Fontes

Inova 1,11% 1,85% 0,74% 1,48% Indústria Extrativa Não inova 3,87% 4,24% 1,11% 2,40%

Inova 3,48% 2,58% 1,38% 2,15% Alimentos e Bebidas Não inova 2,75% 4,85% 2,18% 2,60%

Inova 6,55% 7,61% 1,39% 4,44% Produtos Têxteis Não inova 3,61% 5,94% 2,55% 4,56%

Inova 0,55% 0,51% 0,09% 0,30% Vestuários e Acessórios Não inova 5,57% 6,61% 3,97% 5,80%

Inova 3,30% 3,99% 2,45% 3,45% Artefatos de Couro Não inova 1,69% 3,07% 0,84% 1,15%

Inova 3,40% 3,52% 1,88% 2,93% Celulose e Papel Não inova 2,93% 2,93% 1,52% 2,58%

Inova 4,05% 4,13% 1,06% 2,27% Edição e Impressão Não inova 5,19% 8,18% 3,67% 7,00%

Inova 6,15% 6,15% 0,00% 4,62% Refino de Petróleo Não inova 10,77% 10,77% 4,69% 6,15%

Inova 20,46% 19,22% 7,72% 16,29% Produtos Químicos Não inova 6,99% 7,84% 2,99% 5,64%

Inova 6,70% 9,50% 2,87% 7,49% Borracha e Plásticos Não inova 5,09% 6,78% 2,69% 5,73%

Inova 3,33% 4,07% 1,52% 3,04% Minerais não-Metálicos Não inova 2,37% 2,94% 0,67% 2,41%

Inova 5,93% 6,10% 2,71% 3,81% Metalurgia Básica Não inova 2,97% 4,75% 1,02% 2,20%

Inova 5,30% 6,23% 1,74% 4,59% Produtos Metálicos Não inova 4,86% 6,17% 2,50% 3,35%

Inova 16,80% 17,67% 6,99% 13,73% Máquinas e Equipamentos Não inova 5,06% 6,82% 2,58% 5,16%

Inova 37,40% 39,52% 21,14% 36,29% Equipamentos de Informática Não inova 10,57% 12,90% 10,57% 12,90%

Inova 14,19% 14,70% 4,93% 11,84% Material Elétrico Não inova 2,21% 3,31% 1,87% 4,86%

Inova 31,27% 28,29% 10,20% 22,14% Eletrônicos e comunicações Não inova 3,72% 7,44% 2,24% 5,98%

Inova 24,28% 22,00% 7,25% 21,56% Equipamentos Médicos Não inova 6,70% 6,91% 3,08% 5,98%

Inova 9,06% 9,51% 2,96% 6,90% Veículos Automotores Não inova 3,59% 4,75% 1,97% 3,67%

Inova 8,65% 10,58% 2,87% 8,65% Outros Equip. de Transporte Não inova 5,29% 5,29% 4,31% 5,29%

Inova 4,88% 5,45% 1,36% 4,20% Outras Indústrias Não inova 2,18% 3,08% 1,30% 2,53%

Inova 6,80% 7,21% 2,50% 5,58% Média geral Não inova 4,06% 5,49% 2,37% 4,07%

Tabela 22 – Atribuição de importância às fontes de informação para atividades inovativas e inovação tecnológica em produtos.

139

Nas fontes ligadas ao mercado, estes números são de 7,21% e 5,49%

respectivamente, enquanto que estes percentuais para as fontes acadêmicas são de

2,50% e 2,37%. No caso das outras fontes o percentual de empresas inovadoras foi de

5,58% contra 4,47% de não inovadoras.

Entretanto, embora o percentual de empresas inovadoras em produtos que

atribuíram importância às fontes de informação para atividades inovativas, sejam fontes

internas, ligadas ao mercado, acadêmicas ou outras fontes, superior na maioria dos

setores do que o percentual de não inovadoras, em alguns casos isto não acontece.

Os dados da tabela 22 mostram que no setor de Indústria extrativa, de Vestuário

e Acessórios, de Edição e impressão e de Refino de petróleo, para todos os tipos de

fontes de informação o percentual de empresas não inovadoras em produtos que

atribuíram importância é superior ao das empresas que realizaram este tipo de

inovação.

Esta situação também ocorre no setor de Alimentos e bebidas, com relação às

fontes ligadas ao mercado, acadêmicas e outras fontes, além do setor de Produtos

têxteis com relação às fontes acadêmicas e outras fontes.

A análise da amostra de maneira agregada quanto à inovação em processo,

mostrou que a as empresas inovadoras apresentaram percentuais de atribuição de

importância superiores ao das empresas não inovadoras nas fontes internas, com

7,42% e 3,45% respectivamente, nas fontes ligadas ao mercado, onde estes números

correspondem a 8,68% e 4,02%, também nas fontes acadêmicas com percentuais de

1,50% e 1,14% e nas outras fontes com 3,69% e 3,18%. Já com relação às fontes

internas, o maior percentual de atribuição de importância foi das empresas não

inovadoras com 6,68% do total da amostra, contra 2,97% de empresas inovadoras.

140

Os setores estudados pela pesquisa, em sua maior parte, apresentaram

percentuais de empresas inovadoras em processos que atribuíram importância às

fontes de informação para atividades inovativas superiores aos das empresas que não

atribuíram importância.

Entretanto, como é possível observar pela tabela 23, o setor de Outras indústrias

apresentou porcentagem de não inovadoras superior ao de inovadoras quanto à

atribuição de importância às fontes internas. Também nos setores de Material elétrico,

onde o percentual de empresas não inovadoras que atribuiu importância às fontes

internas e às fontes ligadas ao mercado foi superior ao das inovadoras e no setor de

Eletrônicos e comunicações, onde esta situação aconteceu em todos os tipos de fontes

de informação.

Quanto à obtenção de patentes, os dados da tabela 23 revelam que a amostra,

de maneira agregada apresenta uma situação oposta a das empresas que realizaram

inovações tecnológicas no período considerado pela pesquisa, com percentuais de

empresas que não obtiveram patentes superiores ao das que obtiveram, com relação à

atribuição de importância a todos os tipos de fontes de informação estudados.

Assim, com relação às fontes internas o percentual de empresas que não

obtiveram patentes representa a 6,85% do total da amostra e o percentual de empresas

que obtiveram representa 3,95%. Já nas fontes ligadas ao mercado estes percentuais

são 6,85% e 4,20% respectivamente, enquanto que nas fontes acadêmicas o

percentual de empresas que não obtiveram patentes representa 8,44% do total da

amostra, contra 1,76% de empresas que obtiveram, enquanto que nas outras fontes os

mesmos percentuais são de respectivamente 5,94% e 3,70%.

141



Fontes acadêmicas

Outras Fontes

Inova 4,24% 4,81% 1,10% 3,13% Indústria Extrativa Não inova 0,74% 1,11% 0,74% 0,74%

Inova 4,93% 6,35% 2,80% 4,03% Alimentos e Bebidas Não inova 1,30% 1,08% 0,75% 0,75%

Inova 7,61% 10,38% 3,39% 6,44% Produtos Têxteis Não inova 2,56% 3,16% 0,56% 2,61%

Inova 5,78% 6,82% 3,99% 5,95% Vestuários e Acessórios Não inova 0,32% 0,30% 0,04% 0,15%

Inova 4,45% 5,90% 2,92% 3,60% Artefatos de Couro Não inova 0,54% 1,23% 0,31% 1,00%

Inova 5,04% 5,16% 2,93% 4,22% Celulose e Papel Não inova 1,29% 1,29% 0,47% 1,29%

Inova 6,78% 9,54% 4,01% 8,48% Edição e Impressão Não inova 2,50% 2,76% 0,72% 0,83%

Inova 16,92% 16,92% 4,69% 9,38% Refino de Petróleo Não inova 0,00% 0,00% 0,00% 0,00%

Inova 16,69% 16,52% 7,72% 12,56% Produtos Químicos Não inova 10,77% 10,54% 2,99% 9,35%

Inova 8,82% 10,62% 3,62% 9,28% Borracha e Plásticos Não inova 2,97% 5,67% 1,94% 3,94%

Inova 4,70% 5,27% 1,98% 4,21% Minerais não-Metálicos Não inova 0,99% 1,73% 0,21% 1,20%

Inova 6,19% 7,87% 2,97% 4,49% Metalurgia Básica Não inova 2,71% 2,96% 0,76% 1,53%

Inova 8,11% 9,42% 3,43% 6,41% Produtos Metálicos Não inova 2,07% 2,98% 0,81% 1,53%

Inova 12,94% 13,71% 6,33% 10,84% Máquinas e Equipamentos Não inova 8,92% 10,78% 3,27% 8,09%

Inova 35,48% 37,60% 23,39% 35,48% Equipamentos de Informática Não inova 12,90% 15,20% 8,06% 13,71%

Inova 7,91% 8,84% 4,59% 9,71% Material Elétrico Não inova 8,42% 9,10% 2,29% 6,98%

Inova 13,15% 17,21% 5,22% 6,98% Eletrônicos e comunicações Não inova 21,84% 18,45% 7,21% 12,48%

Inova 18,84% 16,15% 7,23% 15,19% Equipamentos Médicos Não inova 12,14% 12,89% 3,25% 12,48%

Inova 8,52% 9,77% 3,95% 6,90% Veículos Automotores Não inova 4,13% 4,48% 0,99% 3,67%

Inova 11,48% 11,48% 6,70% 11,00% Outros Equip. de Transporte Não inova 2,39% 4,31% 0,48% 2,87%

Inova 3,21% 4,44% 1,50% 3,47% Outras Indústrias Não inova 3,85% 4,09% 1,14% 3,25%

Inova 7,42% 8,68% 3,69% 6,68% Média geral Não inova 3,45% 4,02% 1,18% 2,97%

Tabela 23 – Atribuição de importância às fontes de informação para atividades inovativas e inovação tecnológica em processos.

142

Os dados da próxima tabela permitem verificar que na maioria dos estratos que

representam os setores da PAEP a porcentagem de empresas que não obtiveram

patentes é superior ao de empresas que obtiveram, entretanto, cabe destacar os casos

do setor de Artefatos do couro, onde a porcentagem de empresas que obtiveram

patentes é superior entre as empresas que atribuíram importância às outras fontes, o

setor de Celulose e papel, onde isto acontece para as fontes internas, para as fontes

ligadas ao mercado e para as outras fontes.

Além destes, podem ser citados outros setores onde a presença de empresas

que obtiveram patentes é superior em termos de atribuição de importância às fontes de

informação para atividades inovativas, entre eles está o setor de Refino de petróleo,

onde isto acontece em relação às outras fontes, o setor de Borracha e plásticos, com

relação às fontes ligadas ao mercado, o setor de equipamentos de informática, com

relação às fontes internas, fontes ligadas ao mercado e às outras fontes e o setor de

Eletrônicos e comunicações onde também as empresas que obtiveram patentes no

período considerado pela pesquisa representam maioria com relação à atribuição de

importância às fontes internas, às fontes ligadas ao mercado e às outras fontes.



Fontes acadêmicas

Outras Fontes

Obteve 0,92% 0,92% 0,55% 0,92% Indústria Extrativa Não obteve 4,06% 4,06% 5,17% 2,95%

Obteve 1,68% 1,68% 0,73% 1,45% Alimentos e Bebidas Não obteve 4,55% 4,55% 5,75% 3,30%

Obteve 3,16% 3,55% 1,22% 3,44% Produtos Têxteis Não obteve 7,00% 7,00% 10,05% 5,55%

Obteve 0,75% 1,30% 0,49% 1,26% Vestuários e Acessórios Não obteve 5,35% 5,35% 5,82% 4,82%

Obteve 2,15% 2,53% 1,46% 2,45% Artefatos de Couro Não obteve 2,84% 2,84% 4,52% 2,15%

143

Obteve 3,40% 3,28% 1,06% 3,40% Celulose e Papel Não obteve 2,93% 2,93% 3,28% 2,11%

Obteve 2,88% 3,44% 2,16% 2,73% Edição e Impressão Não obteve 6,40% 6,40% 8,86% 6,55%

Obteve 6,15% 6,15% 1,54% 6,15% Refino de Petróleo Não obteve 10,77% 10,77% 10,77% 4,62%

Obteve 10,45% 10,63% 5,25% 8,47% Produtos Químicos Não obteve 16,84% 16,85% 16,33% 13,39%

Obteve 5,67% 6,85% 2,69% 6,49% Borracha e Plásticos Não obteve 6,06% 6,06% 9,40% 6,67%

Obteve 0,96% 1,20% 0,71% 1,03% Minerais não-Metálicos Não obteve 4,74% 4,74% 5,84% 4,42%

Obteve 2,88% 2,80% 1,10% 1,70% Metalurgia Básica Não obteve 5,94% 5,94% 7,89% 4,33%

Obteve 3,33% 3,15% 0,85% 3,29% Produtos Metálicos Não obteve 6,83% 6,83% 9,25% 4,66%

Obteve 10,06% 11,16% 3,41% 8,54% Máquinas e Equipamentos Não obteve 11,81% 11,81% 13,32% 10,40%

Obteve 27,64% 30,08% 15,20% 26,61% Equipamentos de Informática Não obteve 20,33% 20,33% 22,40% 22,58%

Obteve 6,89% 7,23% 3,40% 6,55% Material Elétrico Não obteve 9,36% 9,36% 10,55% 10,13%

Obteve 19,65% 16,67% 9,20% 16,96% Eletrônicos e comunicações Não obteve 15,17% 15,17% 19,15% 16,49%

Obteve 12,73% 10,16% 6,00% 11,05% Equipamentos Médicos Não obteve 18,00% 17,97% 18,73% 16,49%

Obteve 5,83% 5,57% 3,05% 4,85% Veículos Automotores Não obteve 6,73% 6,73% 8,53% 5,57%

Obteve 5,74% 5,26% 3,83% 5,24% Outros Equip. de Transporte Não obteve 8,13% 8,13% 11,00% 9,05%

Obteve 2,03% 2,23% 0,79% 1,79% Outras Indústrias Não obteve 4,66% 4,66% 5,94% 4,99%

Obteve 3,95% 4,20% 1,76% 3,70% Média geral Não obteve 6,85% 6,85% 8,44% 5,94%

Tabela 24 – Atribuição de importância às fontes de informação para atividades inovativas e obtenção de patentes.

A tabela 25 apresenta os dados referentes às empresas que obtiveram

faturamento advindo de novos e melhorados produtos e daquelas que não obtiveram

este resultado, quanto à atribuição de importância às fontes de informação para

atividades inovativas.

A amostra de maneira agregada apresentou, com relação à atribuição de

importância às fontes internas, 6,28% de empresas que obtiveram faturamento advindo

de novos e melhorados produtos, contra 4,38% de empresas que não obtiveram,

144

enquanto que nas fontes ligadas ao mercado, estes percentuais foram de 6,75% e

5,75% respectivamente, nas outras fontes os mesmos percentuais, foram de 5,20% e

4,31% respectivamente, entretanto, nas fontes acadêmicas o percentual de empresas

que não obtiveram faturamento advindo de novos e melhorados produtos foi de 2,42%,

sendo superior ao das que não obtiveram, onde este percentual foi de 2,35%.

Nos setores a predominância é de percentuais de empresas que obtiveram

faturamento advindo de novos e melhorados produtos superiores aos de empresas que

não obtiveram. Porém em alguns setores isto não ocorreu, como nos casos dos setores

de Indústria extrativa, Vestuário e acessórios, Celulose e papel, Edição e impressão e

Refino de petróleo, onde para todos os tipos de fontes de informação o percentual de

empresas que não obtiveram este tipo de faturamento é superior.

Cabe destacar ainda os setores de Alimentos e bebidas e o de Produtos têxteis

onde o percentual de empresas que não obtiveram faturamento advindo de novos e

melhorados produtos é superior ao das empresas que não obtiveram, com relação às

fontes acadêmicas e às outras fontes.

Em termos gerais, analisando a importância atribuída às fontes de informação

para as atividades inovativas em relação às empresas inovadoras em produtos, às

empresas inovadoras em processos, às empresas que obtiveram patentes e às

empresas que obtiveram faturamento advindo de novos e melhorados produtos, é

possível perceber que às fontes acadêmicas são as com menores percentuais. Isto

pode ser explicado pelo fato de muitas vezes o conhecimento gerado na área

acadêmica ser voltado para fins apenas científicos e não para o mercado, o que

restringe a aplicabilidade deste conhecimento pelas indústrias.

145



Fontes acadêmicas

Outras Fontes

Obteve 1,11% 1,85% 0,74% 1,48% Indústria Extrativa Não obteve 3,87% 4,24% 1,11% 2,40%

Obteve 3,28% 4,93% 1,28% 2,00% Alimentos e Bebidas Não obteve 2,83% 2,40% 2,23% 2,68%

Obteve 6,18% 7,35% 1,17% 4,18% Produtos Têxteis Não obteve 3,73% 5,96% 2,56% 4,62%

Obteve 0,51% 0,47% 0,09% 0,26% Vestuários e Acessórios Não obteve 5,59% 6,64% 3,97% 5,82%

Obteve 3,15% 3,91% 2,30% 3,30% Artefatos de Couro Não obteve 1,84% 3,15% 0,92% 1,23%

Obteve 2,72% 2,83% 1,53% 2,24% Celulose e Papel Não obteve 2,95% 2,95% 1,77% 2,60%

Obteve 3,48% 3,60% 1,06% 2,23% Edição e Impressão Não obteve 5,79% 8,71% 3,67% 7,04%

Obteve 6,15% 6,15% 0,00% 4,62% Refino de Petróleo Não obteve 10,77% 10,77% 4,69% 6,15%

Obteve 19,38% 18,29% 6,99% 15,45% Produtos Químicos Não obteve 7,50% 8,23% 3,18% 5,85%

Obteve 6,47% 9,30% 2,73% 7,22% Borracha e Plásticos Não obteve 5,14% 6,90% 2,69% 5,82%

Obteve 3,29% 4,04% 1,49% 2,97% Minerais não-Metálicos Não obteve 2,37% 2,94% 0,67% 2,41%

Obteve 5,77% 5,94% 2,55% 3,65% Metalurgia Básica Não obteve 3,05% 4,83% 1,10% 2,29%

Obteve 5,08% 6,01% 1,66% 4,41% Produtos Metálicos Não obteve 4,99% 6,30% 2,53% 3,46%

Obteve 15,84% 16,61% 6,64% 12,90% Máquinas e Equipamentos Não obteve 5,71% 7,51% 2,73% 5,88%

Obteve 36,89% 39,02% 21,31% 36,59% Equipamentos de Informática Não obteve 10,66% 13,01% 10,66% 13,01%

Obteve 13,36% 13,96% 4,77% 11,52% Material Elétrico Não obteve 2,89% 4,00% 1,96% 5,03%

Obteve 23,68% 24,18% 8,79% 15,11% Eletrônicos e comunicações Não obteve 10,33% 10,58% 3,27% 6,07%

Obteve 23,08% 20,99% 6,06% 20,77% Equipamentos Médicos Não obteve 7,33% 7,00% 3,67% 6,07%

Obteve 7,03% 7,48% 2,80% 5,04% Veículos Automotores Não obteve 5,23% 6,40% 1,98% 5,31%

Obteve 8,65% 10,58% 2,87% 8,65% Outros Equip. de Transporte Não obteve 5,29% 5,29% 4,31% 5,29%

Obteve 4,24% 4,84% 1,37% 4,00% Outras Indústrias Não obteve 2,39% 3,27% 1,30% 2,74%

Obteve 6,28% 6,75% 2,35% 5,20% Média geral Não obteve 4,38% 5,75% 2,42% 4,31%

Tabela 25 – Atribuição de importância às fontes de informação para atividades inovativas e obtenção faturamento advindo de novos e melhorados produtos.

146

Outro ponto relevante é que embora os percentuais de empresas que atribuíram

importância às fontes de informação serem frequentemente baixos nos dados

apresentados, eles representam a maioria das empresas que realizaram inovações

tecnológicas, obtiveram patentes e ou faturamento advindo de novos e melhorados

produtos, o que atesta sua importância para a obtenção destes resultados.

Além disso, é preciso destacar que em muitos casos os percentuais de

importância atribuídos às fontes de informação pelas empresas que não introduziram

novos produtos ou processos e nem obtiveram patentes ou faturamento advindo de

novos e melhorados produtos são relativamente próximos ou superiores aos das

empresas que obtiveram estes resultados, o que revela que atingindo ou não estes

objetivos as empresas reconhecem a importância do conhecimento para as suas

atividades inovativas.

4.2. ANÁLISE DAS REGRESSÕES

Esta seção tem por objetivo apresentar e discutir os resultados encontrados por

este trabalho, onde, por meio de regressões lineares múltiplas e regressões logísticas

foram obtidos coeficientes que descrevem as relações das variáveis que representam a

inovação tecnológica em produtos, a inovação tecnológica em processos, a obtenção

de patentes e a obtenção de faturamento advindo de novos e melhorados produtos.

147

Os dados apresentados nas subseções seguintes referem-se à indústria do

estado de São Paulo de maneira agregada e aos vinte e um setores industriais

previamente citados, seguindo esta ordem para todas as variáveis. As tabelas

correspondentes à inovação em produtos, à inovação em processos e à obtenção de

patentes, apresentam os efeitos marginais, que mostram a variação na probabilidade

de a variável dependente em questão assumir valor igual a um. Também são

apresentados os dados referentes às regressões lineares múltiplas para o faturamento

advindo de novos e melhorados produtos, mostrando quais variáveis independentes

são significativas para explicar esta variável dependente em cada setor, além dos

coeficientes de regressão, que trazem a contribuição de cada variável independente

para explicar a variável dependente.

4.2.1. INOVAÇÃO EM PRODUTOS

Os dados apresentados nesta seção referem-se à introdução ou

aperfeiçoamento significativo de novos produtos (bens ou serviços), sendo estes

necessariamente novos para a empresa, mas não para o mercado. Deste modo, a

tabela abaixo apresenta os coeficientes obtidos pelo modelo de regressão para as

indústrias do estado, de maneira agregada, estando em negrito os estatisticamente

significantes.

148

Modelo Completo Modelo Reduzido Variáveis

Explicativas B

Wald EXP(Bx’) Efeitos Marginais

B


X1TAM 0,4352 26,2248 1,7099 10,13% 0,4396 31,6361 1,7191 10,22%**

X1EXPO 0,2051 5,3250 1,2277 1,2277 0,2239 6,6157 1,2510 1,2510

X1ORCAP 0,0470 0,0924 1,0481 1,0481

X1SALMED -0,5316 30,1142 0,1342 -5,55% -0,5326 31,3942 0,1337 -5,54%**

X1IDADE -0,0029 1,6837 0,9507 -0,07%

GRUPO 0,1042 1,2792 1,1099 1,1099

RHLIPROD -0,6282 10,0590 0,5336 -48,35% -0,6842 12,2905 0,5045 -49,55%**

PRODSERV 0,4250 17,3034 1,5296 1,5296 0,4145 16,5310 1,5136 1,5136**

X2INVFPD 1,7595 2,6709 1,0012 43,99%

X2INRHPD 3,6636 138,2311 1,0755 91,47% 3,7332 146,7971 1,0770 93,20%**

X2LABPD 0,5404 30,4767 1,7167 1,7167 0,5510 32,6049 1,7350 1,7350**

X2COOPPD 0,5195 25,5505 1,6811 1,6811 0,5275 26,4889 1,6946 1,6946**

X2APOGOV -0,8403 57,7686 0,4316 0,4316 -0,8272 56,4240 0,4373 0,4373**

X2FIINT 2,2066 576,5534 9,0849 9,0849 2,2171 584,6294 9,1803 8,1803**

X2FILGM 2,8780 811,3359 17,7791 17,7791 2,8579 807,8079 17,4257 16,4257**

X2FIINST -0,6754 65,0082 0,5090 0,5090 -0,6787 66,1575 0,5073 0,5073**

X2FIOFON 0,4396 27,0844 1,5521 1,5521 0,4408 27,3170 1,5540 1,5540**

-2 Log Likelyhood 7533,643 Predito

Cox & Snell R² 0,293 YINPROD

0 1 % correta

Nagelkerke R² 0,685 0 32012 768 97,65

* Significante a 5% Observado

1 830 2021 70,87

** Significante a 1% % total 95,51

Tabela 26 – Inovação tecnológica em produtos na indústria do estado de São Paulo2. Entre as variáveis contínuas que são estatisticamente significativas, os efeitos

marginais mostram que um incremento na variável tamanho da empresa (X1TAM)

causa um impacto positivo na probabilidade de inovar de 10,22%, embora a maior parte

das inovações tecnológicas em produtos, tenha sido realizada por empresas de

pequeno porte.

2 Dummies de setor omitidas da apresentação dos dados.

149

Outro ponto importante é o de que uma variação incremental na variável relativa

à porcentagem de pessoal ocupado alocado em pesquisa e desenvolvimento3

(X2INRHPD) tem um aumento de 93,20%, na probabilidade de inovação, o que

demonstra a importância de se investir recursos na formação de uma equipe de P&D

para se obter resultados de inovação tecnológica.

Porém, no caso da variável referente à porcentagem do total de pessoal ocupado

ligado diretamente a produção (RHLIPROD), um aumento incremental causa uma

diminuição de 49,55% na probabilidade de inovar, mostrando que empresas cuja

tendência seja alocar mais recursos humanos em suas plantas produtivas em

detrimento à outras áreas (como pesquisa e desenvolvimento) tem menor probabilidade

de inovar em produtos ou no mínimo não contribui para a existência de inovação na

empresa.

Outra variável contínua cuja variação marginal causa impacto negativo na

probabilidade de inovar em produtos é a relativa à média salarial (X1SALMED), onde

um aumento incremental causa uma diminuição de 5,54% na probabilidade de inovação

em produtos, sendo que neste caso deve ser considerado o fato de que uma aumento

puro e simples de média salarial não contribui para a inovação, porém a média salarial

está diretamente ligada ao tamanho das empresas, onde empresas menores tendem a

pagar menores salários, o que explica este impacto, pois a maior parte das empresas

que inovaram em produtos possui baixos níveis de pessoal ocupado.

Quanto às variáveis binárias (ou “dummies”), verifica-se que, quanto à orientação

exportadora (X1EXPO), a chance das empresas exportadoras inovarem em produtos é

3 Comentários sobre os altos valores encontrados nos efeitos marginais das variáveis X2INRHPD e X2INVFPD serão apresentados na conclusão.

150

igual a 1,2510 vezes a chance das empresas não exportadoras, indicando que ao

buscar atender o mercado externo, que possui necessidades específicas, as empresas

têm uma tendência maior de introduzir novos produtos ou aperfeiçoar significativamente

os já existentes.

Já a variável PRODSERV, mostra que a probabilidade de inovar em produtos de

empresas cuja maior parte da receita provenha da venda de bens industriais é igual a

1,5136 vezes a probabilidade de inovar de empresas cuja maior parte da receita

provenha da prestação de serviços industriais, reflexo possivelmente causado pela

maior facilidade em se copiar bens do que serviços o que estimula a empresa

fornecedora de bens a inovar mais do que a prestadora de serviços.

A presença de laboratório ou departamento específico de P&D, representado

pela variável X2LABPD, também é um fator que aumenta a probabilidade de inovação

em produtos, sendo que a probabilidade das empresas que os possuem é 1,7350 vezes

a probabilidade de inovar das empresas que não possuem laboratório de P&D, o que

mostra o retorno positivo em termos de possibilidade de resultado de inovação para o

esforço das empresas em investirem neste tipo de infra-estrutura.

A cooperação em pesquisa e desenvolvimento (X2COOPPD) também apresenta

resultado positivo em termos de possibilidade de inovação já que a probabilidade das

empresas que cooperam é 1,6946 vezes a probabilidade de inovar das empresas que

não cooperam, mostrando que o esforço conjunto de pesquisa e desenvolvimento, seja

por meio da troca de informações e experiências ou da possibilidade diluir os custos da

área é benéfico em termos de inovação de produtos.

O apoio governamental para a inovação (X2APOGOV), na forma de

empréstimos, bolsas ou benefícios fiscais, ao contrário do esperado é um fator que

151

diminui a probabilidade de inovação em produtos, sendo que a probabilidade das

empresas que recebem apoio é 0,4373 vezes a probabilidade das empresas que não

recebem.

Quanto às fontes de informação para as atividades inovativas, ocorre um impacto

positivo na probabilidade de inovar em produtos para aquelas empresas que atribuíram

importância aos conhecimentos provindos das fontes internas (X2FIINT), onde a

probabilidade de inovar 8,1803 vezes a probabilidade das empresas que não atribuíram

importância a este tipo de fonte, mostrando novamente que o departamento de P&D e o

conhecimento gerado em outras partes da empresa é positivo para a inovação.

Também o conhecimento provindo das fontes ligadas ao mercado (X2FLIGM) aumenta

a probabilidade de inovar, sendo que a probabilidade das empresas que atribuíram

importância a este tipo de informação é 16,4257 vezes a probabilidade das empresas

que não atribuíram, o que mostra a forte contribuição trazida pelo conhecimento ligado

diretamente ao mercado como fornecedores e consumidores. Além disso, o

conhecimento provindo das outras fontes (X2FIOFON) como feiras e convenções

também aumenta a probabilidade de ocorrer inovação em produtos, sendo que

empresas que atribuíram importância aos conhecimentos provindos da troca de

informações nestes eventos possuem 1,5540 a probabilidade de inovar de empresas

que não atribuíram.

Quanto às fontes de informação acadêmicas (X2FINST), os resultados

encontrados mostram que, ao contrário do esperado, a probabilidade de inovar das

empresas que atribuíram importância ao conhecimento provindo de universidades e

centros de pesquisa é de apenas 0,5073 vezes a probabilidade das empresas que não

atribuíram importância, possivelmente refletindo o caráter pouco comercial em termos

152

de inovação em produtos do conhecimento gerado nestas instituições, ou ainda que as

empresas não buscam este tipo de fonte de informação quando necessitam de apoio

para as atividades de inovação, em detrimento às fontes internas e ligadas ao mercado

que são mais procuradas, havendo uma perda de potencial acadêmico que não é

utilizado pelas empresas.

As próximas tabelas desta seção fazem parte da análise dos setores industriais

abordados neste trabalho, apresentando dados referentes à inovação tecnológica em

produtos. Cabe ressaltar que os dados referentes à Indústria extrativa, ao setor de

Refino de petróleo, Equipamentos de informática e do setor de Outros equipamentos de

transporte foram omitidos das tabelas devido à impossibilidade de regressão ou a não

validade dos dados encontrados.

Assim, os dados apresentados nas próximas tabelas mostram que a variável

X1TAM, relativa ao total de pessoal ocupado, é significante estatisticamente para os

setores de Alimentos e bebidas, Produtos têxteis, Produtos químicos, Produtos

metálicos, Equipamentos médicos e de Veículos automotores, onde os efeitos

marginais são positivos, aumentando assim a probabilidade de inovação em produtos,

seguindo o padrão apresentado para a indústria de forma agregada.

Entretanto, a variável X1TAM também é significativa para o setor de Vestuários e

Acessórios, porém com efeitos marginais negativos, assim, uma variação marginal no

total de pessoal ocupado das empresas deste setor provoca uma diminuição na

probabilidade de inovar em produtos.

153

15. Alimentos e bebidas 17. Produtos Têxteis 18. Vestuários e acessórios

Variáveis Explicativas

B

EXP(Bx’) Efeitos Marginais

B


B


X1TAM 1,2111 4,5295 17,94%** 2,2133 18,4999 10,77%* -0,8924 0,3084 -16,08%* X1EXPO 0,0938 1,0983 1,0983 -1,0046 0,3662 0,3662 2,3462 10,4456 10,4456

X1ORCAP -0,4750 0,6219 0,6219 -0,0618 0,9401 0,9401 0,8410 2,3186 2,3186 X1SALMED -1,2960 0,0082 -1,04%** -1,3779 0,0059 -0,80%* 0,0210 1,0799 0,52% X1IDADE 0,0059 1,1146 0,15% -0,0401 0,4401 -0,85%* 1,4293 2,45E+7 0,00% GRUPO 0,6300 1,8777 1,8777 1,4638 4,3223 4,3223* 5,6217 276,3623 276,3623

RHLIPROD 0,5775 1,4638 13,92% -1,1616 0,4209 -24,22% 0,9556 32,8431 2,74% PRODSERV -0,3123 0,7317 0,7317 1,1272 3,0869 3,0869 -8161,5873 0,0001 0,0001 X2INVFPD 13,2073 1,0053 330,18% -123,4413 0,9564 -3084,50% 7,8750 1,0032 196,87% X2INRHPD 10,1902 1,1918 252,81%** 23,2957 1,3418 569,99% -0,2070 0,9971 -5,17% X2LABPD 1,9517 7,0403 7,0403** 0,5217 1,6849 1,6849 1,9165 6,7974 6,7974

X2COOPPD 0,3028 1,3537 1,3537 3,8126 45,2685 45,2685* -1,5349 0,2155 0,2155 X2APOGOV 1,2490 3,4867 3,4867** -2,4206 0,0889 0,0889 4,0118 55,2458 55,2458**

X2FIINT 5,8928 362,4066 362,4066 0,8781 2,4064 2,4064 2,5177 12,3999 12,3999* X2FILGM -0,9761 0,3768 0,3768 1,0417 2,8342 2,8342* -1,3251 0,2658 0,2658 X2FIINST 0,5770 1,7808 1,7808 -0,8882 0,4114 0,4114 -1,6359 0,1948 0,1948*

X2FIOFON -0,5777 0,5612 0,5612 -0,9139 0,4010 0,4010 -14,9886 0,0001 0,0001**

Predito Predito Predito

0 1 % Observada 0 1 % Observada 0 1 % Observada

0 3421 25 99,27 1473 16 98,92 3940 1 99,97 YINOVPROD

1 43 105 70,78 24 108 81,69 13 10 43,55

% Total 98,09 % Total 97,51 % Total 99,62 -2 Log

Likelyhood Cox & Snell

R² Nagelkerke

R² -2 Log


R² Nagelkerke

R² -2 Log


R² Nagelkerke

R² Sumário 396,2656 0,2087 0,7164 240,4623 0,3415 0,7901 342,4623 0,3447 0,8012

* Significante a 5% * Significante a 1% Tabela 27 – Inovação tecnológica em produtos nos setores de Alimentos e bebidas, Produtos têxteis e Vestuários e acessórios.

154

19. Artefatos de couro 21. Celulose e papel 22. Edição e Impressão Variáveis

Explicativas

B


B


B


X1TAM 14,2235 6,29E+07 0,00% 0,5195 1,0000 12,99% 0,7153 2,2844 15,15% X1EXPO 0,6911 1,9960 1,9960 -0,1846 0,8314 0,8314 0,3271 1,3869 1,3869

X1ORCAP 2,3783 10,7861 10,7861 1,1347 3,1102 3,1102 1,6766 5,3476 5,3476 X1SALMED 5,1210 6,29E+07 0,00% -1,0216 1,0000 -25,54% -1,0624 0,0164 -1,69%* X1IDADE -0,3153 0,0091 -0,28% -0,0007 1,0000 -0,02% -0,0062 0,8897 -0,15% GRUPO -8,4933 0,0002 0,0002 0,7723 2,1648 2,1648 0,2048 1,2272 1,2272

RHLIPROD -20,4818 0,0000 0,00% 0,5282 1,0000 13,21% -2,9836 0,1461 -33,19%** PRODSERV -5,4816 0,0042 0,0042 4,5129 91,1873 91,1873 0,1594 1,1728 1,1728 X2INVFPD 316,3167 1,3191 7758,20% -79,5596 1,0000 -1988,99% -9,03E+04 0,0000 -12,08% X2INRHPD 56,8898 4,3465 865,03% 25,1845 1,0000 629,61% 0,8457 1,0124 21,14% X2LABPD 15,4789 6,29E+07 6,29E+07 -1,2543 0,2853 0,2853 -1,6482 0,1924 0,1924

X2COOPPD -17,4025 0,0000 0,0000 4,7082 110,8511 110,8511* 1,2134 3,3650 3,3650* X2APOGOV -10,1641 0,0000 0,0000 -2,4695 0,0846 0,0846 1,7702 5,8718 5,8718**

X2FIINT -11,9920 0,0000 0,0000 3,4894 32,7678 32,7678* 3,4263 30,7640 30,7640** X2FILGM 32,7384 6,29E+07 6,29E+07 1,3201 3,7439 3,7439* 2,6326 13,9104 13,9104** X2FIINST -4,6422 0,0096 0,0096 0,5284 1,6962 1,6962 -0,9986 0,3684 0,3684*

X2FIOFON 17,1494 6,29E+07 6,29E+07 0,3298 1,3907 1,3907 -0,7829 0,4571 0,4571



0 1141 0,0000 100,00 692 6 99,09 2364 13 99 YINOVPROD

1 4 49 92,06 7 18 71,99 43 44 50



R² Nagelkerke

R² -2 Log


R² Nagelkerke

R² -2 Log


R² Nagelkerke

R² Sumário 42,9001 0,2814 0,9174 55,7618 0,1985 0,7694 329,9442 0,1580 0,5995

* Significante a 5% * Significante a 1% Tabela 28 – Inovação tecnológica em produtos nos setores de Artefatos de couro, Celulose e papel e de Edição e Impressão.

155

24. Produtos Químicos 25. Borracha e plásticos 26. Minerais não metálicos Variáveis

Explicativas

B


B


B


X1TAM 0,8466 3,1284 15,54%* -0,5136 0,5129 -11,51% 0,1674 1,2193 4,14% X1EXPO 0,8132 2,2550 2,2550* 0,1258 1,1341 1,1341 -1,1327 0,3222 0,3222

X1ORCAP -0,5197 0,5947 0,5947 0,2667 1,3057 1,3057 0,9974 2,7112 2,7112 X1SALMED -0,3367 0,2576 -5,48% 0,5830 9,3092 5,11% 0,7064 13,2300 4,62% X1IDADE -0,0190 0,6185 -0,45%* -0,0050 0,9213 -0,12% -0,0030 0,9483 -0,07% GRUPO -0,4506 0,6372 0,6372 0,3121 1,3663 1,3663 -1,8251 0,1612 0,1612

RHLIPROD -2,6151 0,1357 -27,51%** 0,3372 1,2788 8,30% -6,1489 0,0092 -5,57% PRODSERV 2,4878 12,0344 12,0344** -1,2663 0,2819 0,2819** -1,2345 0,2910 0,2910** X2INVFPD 6,16E+00 1,0042 153,94% 1,0148 1,0027 25,37% -74,8455 0,9876 -1871,06% X2INRHPD 6,9542 1,0712 173,65%** 2,0206 1,0379 50,50% -23,3283 0,7744 -573,78% X2LABPD -0,1236 0,8837 0,8837 0,1324 1,1415 1,1415 3,1940 24,3852 24,3852

X2COOPPD 0,4535 1,5738 1,5738 -0,0367 0,9639 0,9639 -1,1138 0,3283 0,3283 X2APOGOV -0,3627 0,6958 0,6958 -2,7327 0,0650 0,0650** 5,7712 320,9367 320,9367**

X2FIINT 4,2949 73,3235 73,3235** 0,4402 1,5531 1,5531 2,3892 10,9048 10,9048 X2FILGM 0,9513 2,5891 2,5891* 4,3606 78,3034 78,3034** 5,1946 180,2931 180,2931** X2FIINST -0,7354 0,4793 0,4793 -0,4351 0,6472 0,6472 -0,6379 0,5284 0,5284

X2FIOFON 1,1526 3,1663 3,1663** 0,7479 2,1126 2,1126** 2,5042 12,2337 12,2337**


0 1 0 1 % Observada 0 1 % Observada

0 1173 65 95 2037 106 95,05 2448 30 98,80 YINOVPROD

1 27 308 92 84 171 66,93 31 80 72,19

94,14 % Total 92,06 % Total 97,66 -2 Log


R² Nagelkerke

R² -2 Log


R² Nagelkerke

R² -2 Log


R² Nagelkerke

R² Sumário 520,3590 0,5065 0,7847 754,7775 0,3042 0,6182 204,5265 0,2408 0,8068

* Significante a 5% * Significante a 1% Tabela 29 – Inovação tecnológica em produtos nos setores de Produtos químicos, Borracha e plásticos e de Minerais não metálicos.

156

27. Metalurgia Básica 28. Produtos metálicos 29. Máquinas e equipamentos Variáveis

Explicativas

B


B


B


X1TAM 0,2562 1,3933 6,23% 1,6661 7,2675 17,71%** 0,2959 1,4480 7,15% X1EXPO 0,9380 2,5547 2,5547 0,1867 1,2053 1,2053 -1,0331 0,3559 0,3559**

X1ORCAP 1,8863 6,5951 6,5951 0,3228 1,3810 1,3810 0,2356 1,2657 1,2657 X1SALMED -1,0343 0,0190 -1,89% 1,2883 139,3323 0,91%** -1,2442 0,0070 -0,85% X1IDADE 0,0374 2,1240 0,81%* -0,0181 0,7262 -0,44%* 0,0273 1,6822 0,64% GRUPO 0,0747 1,0775 1,0775 0,2215 1,2479 1,2479 -0,4053 0,6667 0,6667

RHLIPROD 0,0578 1,0436 1,45% 2,6184 6,6918 29,62%** -0,8558 0,5586 -19,68% PRODSERV 18,0556 6,94E+07 6,94E+07 0,5857 1,7962 1,7962 0,8790 2,4085 2,4085** X2INVFPD 32,6878 1,0083 817,18% -384,1529 0,8930 -9573,17% 10,1535 1,0046 253,84% X2INRHPD 14,3479 1,1297 357,37%** 10,2681 1,1540 255,39%** -1,1525 0,9629 -28,80% X2LABPD -0,3089 0,7343 0,7343 -0,2456 0,7822 0,7822 1,6774 5,3516 5,3516**

X2COOPPD 1,6738 5,3321 5,3321* -0,2621 0,7695 0,7695 0,7009 2,0157 2,0157* X2APOGOV -1,9751 0,1387 0,1387 0,7168 2,0479 2,0479* -1,6025 0,2014 0,2014**

X2FIINT 1,3842 3,9915 3,9915 2,1084 8,2355 8,2355** 3,7839 43,9881 43,9881** X2FILGM 3,6916 40,1079 40,1079* 2,3406 10,3871 10,3871** 3,7453 42,3223 42,3223** X2FIINST 0,4612 1,5859 1,5859 -1,0531 0,3489 0,3489** -0,2989 0,7416 0,7416

X2FIOFON 0,5255 1,6913 1,6913 1,4666 4,3346 4,3346** -1,0997 0,3330 0,3330**



0 975 17 98,28 3851 64 98,37 1928 63 96,86 YINOVPROD

1 13 47 78,30 73 130 64,08 73 450 86,03



R² Nagelkerke

R² -2 Log


R² Nagelkerke

R² -2 Log


R² Nagelkerke

R² Sumário 146,3449 0,2595 0,7297 602,6025 0,2189 0,6730 836,4361 0,4986 0,7784

* Significante a 5% * Significante a 1% Tabela 30 – Inovação tecnológica em produtos nos setores de Metalurgia básica, Produtos metálicos e de Máquinas e Equipamentos.

157

31. Material elétrico 32. Eletrônicos e comunicações 33. Equipamentos Médicos Variáveis

Explicativas

B


B


B


X1TAM -0,0559 0,9296 -1,40% -0,0559 0,9296 -1,40% 4,3689 262,0850 1,65%** X1EXPO 0,5713 1,7706 1,7706 0,5713 1,7706 1,7706 -1,4345 0,2382 0,2382

X1ORCAP 0,3787 1,4605 1,4605 0,3787 1,4605 1,4605 2,7602 15,8034 15,8034 X1SALMED -0,7299 0,0603 -3,91% -0,7299 0,0603 -3,91% -2,6879 0,0000 -0,01%** X1IDADE 0,0087 1,1633 0,22% 0,0087 1,1633 0,22% -0,0148 0,7545 -0,36% GRUPO 0,1400 1,1503 1,1503 0,1400 1,1503 1,1503 -3,2736 0,0379 0,0379*

RHLIPROD -1,4216 0,3647 -27,84% -1,4216 0,3647 -27,84%* -6,5951 0,0138 -8,84%** PRODSERV 2,0790 7,9965 7,9965 2,0790 7,9965 7,9965 -0,1282 0,8797 0,8797 X2INVFPD 3,4091 1,0046 85,23% 3,4091 1,0046 85,23% -7,4497 0,9654 -186,18% X2INRHPD 4,8600 1,0907 121,27% 4,8600 1,0907 121,27% 18,3371 2,4014 380,61%** X2LABPD -0,3182 0,7274 0,7274 -0,3182 0,7274 0,7274* -0,9889 0,3720 0,3720

X2COOPPD 1,9543 7,0590 7,0590** 1,9543 7,0590 7,0590** 3,3104 27,3958 27,3958** X2APOGOV 0,3684 1,4454 1,4454 0,3684 1,4454 1,4454 -3,2809 0,0376 0,0376**

X2FIINT 3,1083 22,3834 22,3834** 3,1083 22,3834 22,3834** 3,9106 49,9302 49,9302** X2FILGM 3,9029 49,5463 49,5463** 3,9029 49,5463 49,5463 0,2271 1,2550 1,2550 X2FIINST -1,8731 0,1537 0,1537** -1,8731 0,1537 0,1537 -2,6562 0,0702 0,0702**

X2FIOFON -0,1389 0,8703 0,8703 -0,1389 0,8703 0,8703** 5,0170 150,9582 150,9582**



0 877 23 97,39 231 3 98,87 308 12 96,30 YINOVPROD

1 28 142 83,49 2 121 98,11 8 142 94,45

% Total % Total 95,19 % Total 98,60 % Total 95,71 -2 Log


R² Nagelkerke

R² -2 Log


R² Nagelkerke

R² -2 Log


R² Nagelkerke

R² Sumário 281,0072 0,4579 0,7852 49,2504 0,6833 0,9436 133,0293 0,6210 0,8692

* Significante a 5% * Significante a 1% Tabela 31 – Inovação tecnológica em produtos nos setores de Material elétrico, Equipamentos de comunicação e Equipamentos Médicos.

158

34. Veículos Automotores 39. Outras indústrias Variáveis

Explicativas

B


B


X1TAM 1,4194 7,2333 15,15% 0,0547 1,0651 1,37% X1EXPO 0,7850 2,1924 2,1924 0,3107 1,3644 1,3644

X1ORCAP -1,3248 0,2659 0,2659 0,3448 1,4117 1,4117 X1SALMED -1,7422 0,0013 -0,23%* -1,1815 0,0130 -1,50%** X1IDADE -0,0248 0,9822 -0,62% 0,0127 1,2357 0,32% GRUPO -0,9435 0,3893 0,3893 0,4801 1,6163 1,6163

RHLIPROD -3,3375 0,0000 0,0001%* -0,3455 0,7744 -8,50% PRODSERV 0,2919 1,3390 1,3390 -0,3791 0,6845 0,6845 X2INVFPD 88,8147 1,0349 2219,71% 40,0104 1,0098 1000,24% X2INRHPD 13,6097 1,2148 337,04%** 1,3330 1,0255 33,32% X2LABPD 1,0655 2,9024 2,9024 -0,7521 0,4714 0,4714

X2COOPPD 1,5171 4,5591 4,5591** -0,5771 0,5615 0,5615 X2APOGOV 0,2530 1,2878 1,2878 -0,7101 0,4916 0,4916

X2FIINT 3,3209 27,6853 27,6853** 1,8944 6,6483 6,6483** X2FILGM 4,7025 110,2202 110,2202** 3,8520 47,0866 47,0866** X2FIINST -2,1387 0,1178 0,1178** -0,8672 0,4201 0,4201**

X2FIOFON -1,5932 0,2033 0,2033* 0,5159 1,6751 1,6751

Predito Predito

0 1 % Observada 0 1 % Observada

0 910 17 98,18 3717 77 97,96 YINOVPROD

1 18 81 82,14 76 204 72,81

% Total 96,65 % Total 96,23 -2 Log


R² Nagelkerke

R² -2 Log


R² Nagelkerke

R² Sumário 164,7850 0,3753 0,8018 802,8916 0,2623 0,6654

* Significante a 5% ** Significante a 1% Tabela 32 – Inovação tecnológica em produtos nos setores de Veículos automotores e Outras indústrias.

159

A variável relativa à orientação exportadora (X1EXPO) é, por sua vez,

significante estatisticamente apenas para o setor de Produtos químicos, onde a

probabilidade de inovar das empresas exportadoras é superior ao das não inovadoras,

seguindo o comportamento apresentado para a indústria de forma agregada e para o

setor de Máquinas e equipamentos, onde a probabilidade de inovar em produtos das

empresas exportadoras é inferior a das empresas não exportadoras.

A variável relativa à origem do capital controlador da empresa (X1ORCAP) não

apresentou significância estatística em nenhum dos setores estudados e nem para a

indústria do estado de São Paulo quando analisada de maneira agregada.

Já a variável referente à média salarial (X1SALMED) apresentou significância

estatística nos setores de Alimentos e bebidas, Produtos têxteis, Edição e impressão,

Máquinas e equipamentos, Equipamentos Médicos, Veículos automotores e no setor de

Outras indústrias, sendo que seus efeitos marginais apresentaram o mesmo padrão da

indústria do estado, ou seja, uma variação marginal na variável causa uma diminuição

na probabilidade de inovar em produtos. Esta variável também é significante

estatisticamente para o setor de Produtos metálicos, porém, neste caso um aumento

incremental na variável causa um acréscimo na probabilidade deste tipo de inovação.

A idade das empresas (X1IDADE) embora não seja estatisticamente significante

para a indústria do estado de São Paulo de maneira agregada, apresentou significância

estatística nos setores de Metalurgia básica e Máquinas e equipamentos,

apresentando efeitos marginais positivos, ou seja, um aumento da probabilidade de

inovar a medida que as empresas apresentem um tempo de operação maior. Além

disso, a variável também é estatisticamente significativa no setor de Produtos têxteis,

de Produtos químicos e no de Produtos metálicos, apresentando, porém efeitos

160

marginais negativos, ou seja, uma diminuição na probabilidade de inovar em produtos

frente a uma variação incremental da idade das empresas. Pode se dizer que no caso

destes setores as empresas mais maduras tendem a inovar menos, enquanto que para

o primeiro grupo, a maturidade contribui positivamente.

Quanto à variável GRUPO, que descreve se a empresa é pertencente a um

grupo de empresas ou não, não apresentou significância estatística para a indústria

como um todo, entretanto é significativa para o setor de Produtos têxteis, onde a

probabilidade das empresas que pertencem a grupos inovarem é maior do que a

probabilidade de empresas que não pertencem, e no setor de Equipamentos médicos,

onde a probabilidade de inovar em produtos das empresas que são pertencentes à

grupos é menor do que a probabilidade de inovar de empresas que não são.

A variável referente ao percentual do total de pessoal ocupado, diretamente

ligado à produção (RHLIGPROD), é significante estatisticamente nos setores de Edição

e Impressão, Produtos químicos, Eletrônicos e comunicações e Equipamentos Médicos,

apresentando o mesmo padrão da indústria do estado de maneira agregada, ou seja,

seus efeitos marginais são negativos, mostrando que uma variação marginal causa uma

diminuição na probabilidade de inovar. Também há significância estatística desta

variável para os setores de Produtos metálicos e de Veículos automotores, porém uma

variação marginal desta variável aumenta a probabilidade de inovar nestes setores.

Quanto à variável que define se a maior parte da receita da empresa provém da

venda de bens ou de serviços industriais (PRODSERV), os setores de Produtos

químicos e o de Máquinas e equipamentos e o de Borracha e plásticos apresentaram

significância estatística, sendo que nos dois primeiros as empresas que possuem maior

parte da receita provinda da venda de bens industriais possuem maior probabilidade de

161

inovar em produtos do que as empresas que prestam serviços. Entretanto, no setor de

borracha e plásticos ocorre o contrário, sendo que as empresas que prestam serviços

industriais possuem maior probabilidade de inovar do que as que vendem bens.

O investimento financeiro em pesquisa e desenvolvimento (X2INVFPD) não

apresentou significância estatística para a indústria do estado como um todo e em

nenhum dos setores estudados, este resultado leva a uma reflexão sobre o

investimento em P&D que as empresas vêm realizando, uma vez que a média investida

pela indústria do estado é de 0,7% do total de sua receita líquida e os resultados para a

indústria como um todo não foram significativos, pode se dizer que este valor está muito

aquém do que é necessário para provocar efeitos expressivos, principalmente quando

se compara com a média investida por países desenvolvidos como EUA, Alemanha e

Reino Unido.

Entretanto, o investimento de recursos humanos em P&D, representado pela

variável X2INRHPD, apresentou significância estatística nos setores4 de Produtos

químicos (3,41%), Metalurgia básica (0,85%), Equipamentos Médicos (4,78%),

Produtos metálicos (1,39%) e de Veículos automotores (1,43%), seguindo o padrão da

indústria do estado de forma agregada, onde, uma variação marginal causa um forte

aumento na probabilidade de inovar em produtos. Este resultado é por demais

preocupante, pois mantidos investimentos neste patamar, dificilmente a indústria

paulista em termos gerais vai mudar seu nível de competitividade.

Por fim destaca-se que os setores que mantém seu investimento em recursos

humanos voltado a P&D obtém acréscimo muito expressivo em inovação, o que

4 Os setores apresentam a porcentagem média de total de pessoal ocupado que alocado em P&D

162

confirma a necessidade de um incremento dos investimentos em P&D em geral e em

pessoal voltado a P&D a fim de efetivamente melhorar o patamar competitivo das

empresas da indústria paulista.

A presença de laboratório ou departamento específico de P&D (X2LABPD), além

de significativa estatisticamente para a indústria do estado de forma agregada,

apresentou significância nos setores de Alimentos e bebidas e de Máquinas e

equipamentos, onde a probabilidade de inovar em produtos das empresas que

possuem este tipo de infra-estrutura é maior do que a probabilidade das empresas que

não possuem laboratórios, no entanto para o setor de Eletrônicos e comunicações,

onde ocorre o inverso, sendo que a probabilidade de inovar das empresas que

possuem laboratório ou departamento específico de P&D é menor do que o das

empresas que não possuem. Este resultado em particular é muito preocupante e deve

ser alvo de estudos específicos uma vez que para este setor existe desde 1991 a lei

8.248/91, voltada ao incentivo da inovação para empresas que investirem em P&D.

Uma hipótese a ser levantada é que as empresas deste setor tem voltado estes

investimentos para atividades que não tem resultado em efetivas inovações uma vez

que o setor não apresenta resultados significativos para as variáveis X2INVFPD E

X2INRHPD, o que infelizmente corrobora o trabalho de Porto et alii (2004) quando

concluem que a lei de inovação não tem sido suficiente para garantir investimentos em

inovação no setor de telecomunicações.

Quanto à cooperação em pesquisa e desenvolvimento (X2COOPPD), além de

também ser significante estatisticamente para a indústria do estado de maneira

agregada, é significante para os setores de Produtos Têxteis, Celulose e Papel, Edição

e impressão, Metalurgia básica, Máquinas e equipamentos, Material elétrico,

163

Eletrônicos e comunicações, Equipamentos médicos e Veículos automotores, onde, as

empresas que realizaram este tipo de cooperação apresentam maior probabilidade de

inovar do que aquelas que não realizaram.

Já o apoio governamental para as atividades de inovação (X2APOGOV) é

significante estatisticamente nos setores de Borracha e plásticos, Máquinas e

Equipamentos e Equipamentos Médicos, onde as empresas que tiveram apoio

governamental apresentaram o mesmo padrão da indústria como um todo, tendo menor

probabilidade de inovar do que aquelas que não obtiveram e nos setores de Alimentos

e Bebidas, Vestuário e acessórios, Edição e impressão, Minerais não metálicos e de

Produtos metálicos, onde a probabilidade de inovar em produtos das empresas que

obtiveram apoio do governo é maior do que a probabilidade das empresas que não

obtiveram. Este resultado também deverá, no futuro ser alvo de investigações

específicas, uma vez que a PAEP não permite saber se as empresas não utilizam apoio

governamental por não conhecerem as fontes de fomento ou por decisão estratégica

das empresas.

A atribuição de importância às fontes de informação internas (X2FIINT) para as

atividades inovativas, apresentou significância estatística tanto para a indústria de

maneira agregada como para os setores de Vestuários e acessórios, Celulose e papel,

Edição e impressão, Produtos químicos, Produtos metálicos, Máquinas e

equipamentos, Material elétrico, Eletrônicos e comunicações, Veículos automotores e

Outras indústrias, sendo que em todos os casos, as empresas que atribuíram

importância às fontes informação possuem maior probabilidade de inovar em produtos

do que não atribuíram.

164

Em relação às fontes de informação ligadas ao mercado (X2FILGM), foi

encontrada significância estatística para os setores de Produtos têxteis, Celulose e

Papel, Edição e impressão, Produtos químicos, Borracha e plásticos, Minerais não

metálicos, Metalurgia básicas, Produtos metálicos, Máquinas e equipamentos, Material

elétrico, Veículos automotores e Outras indústrias, sendo que em todos os casos as

empresas que atribuíram importância a este tipo de fonte de informação possuem uma

probabilidade maior de inovar do que aquelas que não atribuíram.

Já às fontes acadêmicas (X2FINST), possuem significância estatísticas nos

setores de Vestuários e acessórios, Edição e Impressão, Produtos Metálicos,

Equipamentos de Comunicação, Equipamentos Médicos, Veículos automotores e

Outras indústrias, onde, assim como acontece para a indústria de São Paulo como um

todo, as empresas que atribuíram importância a este tipo de fonte de informação têm

menor probabilidade de inovar do que aquelas que não atribuíram.

A última variável independente a ser analisada é a relativa às outras fontes de

informação (X2FIOFON), que é significativa para os setores de Produtos químicos,

Borracha e plásticos, Minerais não metálicos, Produtos metálicos e Equipamentos

Médicos, onde a probabilidade de inovar em produtos das empresas que atribuíram

importância para este tipo de fonte de informação é maior do que a probabilidade

aquelas que não atribuíram.

Entretanto, esta variável também é significante para os setores de Vestuários e

acessórios, Máquinas e equipamentos, Eletrônicos e comunicações e de Veículos

automotores, onde, por sua vez, as empresas que atribuíram importância têm menor

probabilidade de inovar em produtos do que aquelas que não atribuíram.

165

4.2.2. INOVAÇÃO EM PROCESSOS

Esta seção tem por finalidade apresentar os dados referentes aos resultados

encontrados quanto à inovação em processos, tanto para a indústria do estado, de

forma agregada, como para os setores industriais estudados neste trabalho


Explicativas B


B


X1TAM 0,0366 0,1909 1,0461 0,92%

X1EXPO 0,2666 8,2764 1,3055 1,3055 0,2869 12,0550 1,3324 1,3324

X1ORCAP 0,1266 0,6739 1,1350 1,1350

X1SALMED 0,3651 15,6327 3,9720 5,87% 0,3639 16,7052 3,9533 5,86%**

X1IDADE 0,0066 8,7517 1,1206 0,16% 0,0065 9,2625 1,1191 0,16%**

GRUPO -0,1278 1,9868 0,8801 0,8801

RHLIPROD 1,9757 96,8077 7,2114 31,27% 2,0051 114,0608 7,4266 31,33%

PRODSERV -0,5131 29,9381 0,5986 0,5986 -0,4992 28,5379 0,6070 0,6070

X2INVFPD 4,3984 14,6348 1,0030 109,96%

X2INRHPD -0,1153 0,1332 0,9977 -2,88%

X2LABPD 0,7899 58,5534 2,2031 2,2031 0,7980 65,8548 2,2211 2,2211

X2COOPPD 0,4727 19,1247 1,6043 1,6043 0,4453 17,1934 1,5609 1,5609

X2APOGOV 2,2005 195,3537 9,0299 9,0299 2,1947 192,9968 8,9777 8,9777

X2FIINT 0,8215 93,0753 2,2739 2,2739 0,8168 96,8407 2,2632 2,2632

X2FILGM 1,2237 1959,4030 3,3996 3,3996 1,2241 1966,0675 3,4012 3,4012

X2FIINST 0,2351 8,4100 1,2651 1,2651 0,2208 7,4931 1,2471 1,2471

X2FIOFON 0,4159 26,8019 1,5158 1,5158 0,4166 27,1496 1,5168 1,5168


Cox & Snell R² 0,320435 YINPROC

0 1 % correta

Nagelkerke R² 0,689432 0 31434 835 97,41


1 667 2695 80,16


Tabela 33 – Inovação tecnológica em processos na indústria do estado de São Paulo5.

5 Dummies de setor omitidas da apresentação dos dados.

166

Desta forma, a tabela anterior mostra que a orientação exportadora é uma

variável estatisticamente significativa para explicar a inovação tecnológica da indústria

de forma agregada, apresentando efeitos marginais que mostram que a probabilidade

das empresas exportadoras inovarem é de 1,3324 vezes a probabilidade das empresas

não exportadoras, o que pode refletir o fato de que a competição no mercado externo

estimula a empresa a desenvolver novos e melhores processos, possivelmente pela

necessidade de custos menores e qualidade mais elevada.

Uma outra variável cujo impacto é positivo na probabilidade de inovar em

processos é a média salarial, cuja variação marginal aumenta a probabilidade de inovar

em processos em 5,86%, o que acontece possivelmente pelo fato de empresas com

média salarial mais alta serem mais capazes de atrair profissionais experientes e

tecnicamente mais qualificados o que se reflete no desenvolvimento de novos

processos produtivos mais aprimorados.

A variável relativa à idade das empresas, também é estatisticamente significativa

e possui efeito marginal de 0,16%, mostrando que uma variação incremental na idade

aumenta a probabilidade de inovar, o que provavelmente é causado pela experiência

adquirida e acumulada pelas empresas, o que causa um impacto positivo na

probabilidade de inovar em processos.

O percentual de pessoas diretamente ligado à produção também é uma variável

significativa estatisticamente para a indústria do estado, tendo um efeito marginal de

31,33% na probabilidade de inovar em processos, isso pode refletir duas coisas, a

primeira é a de que empresas cuja área produtiva demanda grande parte de seus

recursos humanos é estimulada a desenvolver novos e melhores processos produtivos

e também que a experiência adquirida pelas pessoas alocadas em áreas técnicas e que

167

trabalham diretamente com os processos produtivos influenciam positivamente, a

inovação tecnológica em processos.

Os efeitos marginais da variável PRODSERV mostram as empresas cuja maior

parte da receita provenha da venda de bens, possui probabilidade igual a 0,6050 vezes

a probabilidade de inovação em processos das empresas cuja maior parte da receita

provenha da prestação de serviços industriais. O que pode sugerir o fato de que

indústrias cuja receita referente à venda de bens seja inferior à receita provinda da

prestação de serviços se preocupem em melhorar ou introduzir novos processos,

produzindo bens com custos menores e/ou de melhor qualidade buscando aumentar a

receita provinda desta fonte.

Quanto às empresas que possuem laboratório ou departamento específico de

P&D, a probabilidade de inovação em processos é de 2,2211 vezes a probabilidade de

inovação das empresas que não possuem, o que mostra que as tecnologias e o

conhecimento produzidos nestes locais estimulam a introdução de novos e melhores

processos.

Comparativamente com a inovação em produtos, pode-se dizer que as

atividades desenvolvidas em laboratórios ou departamentos de P&D na indústria como

um todo podem estar mais voltadas para inovação em processos do que em produtos.

Outra variável significativa estatisticamente para a indústria do estado é a

cooperação em pesquisa e desenvolvimento, sendo que a probabilidade de empresas

que cooperam é de 1,5609 vezes a das empresas que não cooperam, o que

possivelmente é explicado pelo fato de que o conhecimento desenvolvido

conjuntamente e a experiência compartilhada com concorrentes, fornecedores, clientes

e institutos de pesquisa (ou universidades) estimula a inovação em processos.

168

O apoio governamental (na forma de investimento financeiro ou subsídios)

também é estatisticamente significativo para a indústria do estado sendo que a

probabilidade de inovação em processos de empresas que receberam este tipo de

apoio é de 8,9777 vezes a probabilidade das empresas que não obtiveram, o que pode

refletir o fato de que o dinheiro recebido pelo governo, estimula a empresa a adquirir

equipamentos ou “Know-how” que podem ser aplicados em novos processos.

Comparativamente aos resultados encontrados em inovação em produtos, pode-se

dizer que o apoio governamental tem sido utilizado principalmente para inovação em

processos.

Quanto às fontes de informação para as atividades inovativas, as empresas que

atribuíram importância às fontes internas possuem 2,2632 vezes a probabilidade de

inovar em processos das empresas que não atribuíram, mostrando que o conhecimento

gerado internamente é um diferencial para a inovação em processos.

Já no caso das fontes ligadas ao mercado, a probabilidade de inovar em

processos das empresas que atribuíram conhecimento a este tipo de fonte foi de

3,4012 vezes a probabilidade de inovar das empresas que não atribuíram, o que pode

ser explicado pelo fato de que o conhecimento provindo de concorrentes, clientes e

empresas de consultoria podem servir de parâmetro de como são os processos

produtivos fora das fronteiras da empresa propiciando o desenvolvimento e a criação de

novos e melhorados processos.

As fontes de informação acadêmicas, ou seja, centros de pesquisa e

universidades, também são significativos para a indústria de forma agregada, sendo

que empresas que atribuíram importância ao conhecimento provindo destas fontes

possuem 1,2471 vezes a probabilidade de inovar em processos das empresas que não

169

atribuíram, indicando que o conhecimento e a tecnologia gerados nestes locais podem

ser diferenciais para o desenvolvimento e à criação e o desenvolvimento de novos

processos.

Quanto ao conhecimento provindo de outras fontes, como aquisição de patentes,

licenças, feiras e exibições, a probabilidade de inovar das empresas que atribuíram

importância a este tipo de fontes é de 1,5168 vezes a probabilidade das empresas que

não atribuíram, o que reflete que a preocupação da empresa em se alinhar com as

tecnologias desenvolvidas pelo mercado é recompensada com um impacto positivo na

probabilidade de inovar em processos.

Quanto a análise setorial dos resultados relativos à inovação em processos, os

dados serão apresentados no conjunto de tabelas à seguir, destacando que os setores

de Indústria extrativa, Refino de petróleo e Equipamentos de informática não

apresentaram resultados válidos e por isso foram excluídos desta seção.

Os dados apresentados nas tabelas a seguir mostram que a variável relacionada

ao total de pessoal ocupado (X1TAM), embora não seja estatisticamente significativa

para a indústria do estado como um todo é significante para os setores de Vestuário e

acessórios, Minerais não metálicos e Material elétrico, onde sua variação marginal

causa um impacto positivo na probabilidade de inovar em processos,

Entretanto, a variável X1TAM também é estatisticamente significativa nos

setores de Alimentos e bebidas, Produtos metálicos e Equipamentos médicos onde

causa impacto negativo na probabilidade de inovar em processos quando esta

apresenta uma variação incremental.

170

15. Alimentos e bebidas 17. Produtos Têxteis 18. Vestuários e acessórios Variáveis

Explicativas

B


B


B


X1TAM -1,0209 0,2940 -17,92%** -0,7536 0,3982 -15,35% 1,7897 10,5647 14,14%** X1EXPO 0,9851 2,6782 2,6782** 0,7166 2,0475 2,0475 0,3715 1,4499 1,4499

X1ORCAP 2,7720 15,9904 15,9904** -1,2061 0,2994 0,2994 X1SALMED -0,7721 0,0532 -3,71% -1,7611 0,0015 -0,26%** 0,2208 2,2761 4,68% X1IDADE 0,0330 1,8638 0,75%** 0,0313 1,7661 0,72%* 0,0356 2,0704 0,78% GRUPO 0,2033 1,2254 1,2254 -0,5069 0,6024 0,6024 -0,7218 0,4859 0,4859

RHLIPROD 0,3428 1,2748 8,44% 5,0918 28,5495 16,65%** -4,5777 0,0330 -14,17%** PRODSERV 1,3995 4,0533 4,0533 -0,1547 0,8567 0,8567 -4,3247 0,0132 0,0132** X2INVFPD -296,2108 0,8301 -7341,45% 41,6635 1,0166 1041,52% -109,0147 0,9610 -2724,29% X2INRHPD 6,3498 1,0262 158,72%** 11,0883 1,1803 275,31%** 20,0269 1,2762 493,30% X2LABPD 0,8391 2,3143 2,3143 0,7432 2,1026 2,1026 -3,0394 0,0479 0,0479*

X2COOPPD -1,1569 0,3145 0,3145* -2,1855 0,1124 0,1124** -1,6575 0,1906 0,1906 X2APOGOV 1,3979 4,0467 4,0467** 23,4944 1,60E+10 1,60E+10 0,1123 1,1189 1,1189

X2FIINT 2,0552 7,8083 7,8083** 1,4138 4,1116 4,1116* 3,1309 22,8949 22,8949** X2FILGM 5,5001 244,7060 244,7060** 6,1514 469,3743 469,3743** 6,7561 859,3156 859,3156 X2FIINST 0,5677 1,7642 1,7642 1,4766 4,3781 4,3781** 1,3095 3,7044 3,7044

X2FIOFON -0,5159 0,5970 0,5970 -0,8179 0,4414 0,4414 3,7256 41,4978 41,4978**



0 3283 37 98,89 1394 36 97,49 3728 12 99,67 YINPROC

1 59 216 78,45 13 179 93,22 26 199 88,28

% Total % Total 97,33 % Total 92,02 -2 Log


R² Nagelkerke

R² -2 Log


R² Nagelkerke

R² -2 Log


R² Nagelkerke

R² Sumário 640,5663 0,3039 0,7278 267,2721 0,4306 0,8327 254,0677 0,3110 0,8791

* Significante a 5% ** Significante a 1% Tabela 34 – Inovação tecnológica em processos nos setores de Alimentos e Bebidas, Vestuário e Acessórios e Produtos Têxteis.

171

19. Artefatos de couro 21. Celulose e papel 22. Edição e Impressão


B


B


B


X1TAM -0,2027 0,7768 -4,99% 2,9741 56,9559 5,04% -0,6675 0,4668 -14,48% X1EXPO -1,6079 0,2003 0,2003 -1,4154 0,2428 0,2428 -1,4950 0,2242 0,2242

X1ORCAP 2,8004 16,4515 16,4515 0,8670 2,3798 2,3798 0,2468 1,2799 1,2799 X1SALMED -2,4727 0,0001 -0,03% 2,7159 34914,0412 0,01% 0,3165 3,3923 5,56% X1IDADE 0,0604 2,4388 1,25% 0,0553 2,9041 1,05% 0,0117 1,2466 0,29% GRUPO 1,4837 4,4091 4,4091 -0,1555 0,8560 0,8560 1,2595 3,5237 3,5237

RHLIPROD 15,4645 1,24E+05 0,01%** 3,3705 12,1005 23,76% 9,0602 344,6643 2,61%** PRODSERV -4,0738 0,0170 0,0170** -6,5677 0,0014 0,0014* -0,8602 0,4231 0,4231 X2INVFPD -9711,2833 0,0002 -153,33% 21,4148 1,0243 535,29% -115,4877 0,9822 -2886,96% X2INRHPD 12,8555 1,3858 312,98%** 19,7302 1,3160 484,07% -1,5534 0,9802 -38,83% X2LABPD 0,1150 1,1219 1,1219 2,9552 19,2065 19,2065 4,6267 102,1719 102,1719**

X2COOPPD -3,5674 0,0282 0,0282** -4,6007 0,0100 0,0100 -0,7285 0,4826 0,4826 X2APOGOV 22,1472 4,15E+09 4,15E+09 7,4248 1677,0811 1677,0811 0,6736 1,9613 1,9613

X2FIINT 2,1600 8,6710 8,6710 4,5820 97,7110 97,7110* 0,9489 2,5828 2,5828** X2FILGM 8,5482 5157,3826 5157,3826 3,3518 28,5552 28,5552 7,1791 1311,7838 1311,7838 X2FIINST 0,5702 1,7687 1,7687 1,2662 3,5474 3,5474 -0,9848 0,3735 0,3735

X2FIOFON 1,1220 3,0710 3,0710** 1,1862 3,2746 3,2746 5,0814 161,0061 161,0061**



0 1107 6 99,45 684 1 99,78 2216 13 99,41 YINPROC

1 11 71 86,84 1 36 96,05 6 229 97,39



R² Nagelkerke

R² -2 Log


R² Nagelkerke

R² -2 Log


R² Nagelkerke

R² Sumário 101,6879 0,3400 0,8633 38,1989 0,3003 0,8929 135,3169 0,4370 0,9356

* Significante a 5% ** Significante a 1% Tabela 35 – Inovação tecnológica em processos nos setores de Artefatos de couro, Celulose e Papel e Edição e Impressão.

172

24. Produtos Químicos 25. Borracha e plásticos 26. Minerais não metálicos


B


B


B


X1TAM -0,4859 0,5252 -10,97% 0,2001 1,2944 4,92% 2,1021 11,8944 15,04%** X1EXPO -0,3695 0,6911 0,6911 0,9548 2,5982 2,5982** -1,5455 0,2132 0,2132**

X1ORCAP -1,0314 0,3565 0,3565** 0,8649 2,3748 2,3748 -0,0664 0,9358 0,9358 X1SALMED 1,0974 74,1652 1,44%** 1,0625 58,1000 1,77%* 0,3924 4,1911 6,10% X1IDADE -0,0044 0,9294 -0,11% 0,0143 1,2653 0,35% 0,0067 1,1265 0,17% GRUPO 0,5783 1,7830 1,7830* -0,3785 0,6849 0,6849 0,0418 1,0427 1,0427

RHLIPROD 5,0142 21,8179 21,01%** 3,2905 10,9865 25,16%** 6,0664 102,5588 5,80%** PRODSERV 0,9564 2,6022 2,6022** 0,1963 1,2169 1,2169 1,1965 3,3086 3,3086 X2INVFPD -7,2034 0,9949 -180,08% 2,3952 1,0066 59,88% 85,0768 1,0146 2126,81% X2INRHPD -0,4721 0,9825 -11,80% 2,3488 1,0410 58,70% 6,7777 1,0814 169,18%* X2LABPD 0,7326 2,0805 2,0805** 0,7725 2,1651 2,1651 -0,5299 0,5887 0,5887

X2COOPPD 0,2387 1,2696 1,2696** 0,5720 1,7718 1,7718 1,4137 4,1112 4,1112* X2APOGOV 2,6918 14,7579 14,7579** 3,9727 53,1302 53,1302** -0,6435 0,5255 0,5255

X2FIINT 3,1837 24,1355 24,1355** 0,6750 1,9639 1,9639** 2,8267 16,8889 16,8889** X2FILGM 1,0203 2,7741 2,7741** 4,0761 58,9154 58,9154** 3,2386 25,4984 25,4984** X2FIINST 1,7437 5,7187 5,7187** -1,3621 0,2561 0,2561* 1,4102 4,0967 4,0967*

X2FIOFON -0,8011 0,4488 0,4488** 1,9984 7,3770 7,3770** 1,1213 3,0687 3,0687**



0 1187 54 95,68 2068 55 97,41 2400 31 98,74 YINPROC

1 93 240 72,03 52 223 80,94 33 126 79,41



R² Nagelkerke

R² -2 Log


R² Nagelkerke

R² -2 Log


R² Nagelkerke

R² Sumário 768,1135 0,4196 0,6518 507,4308 0,3938 0,7731 318,2214 0,2873 0,7770

* Significante a 5% ** Significante a 1% Tabela 36 – Inovação tecnológica em processos nos setores de Produtos químicos, Borracha e plásticos e Minerais não metálicos.

173

27. Metalurgia Básica 28. Produtos metálicos 29. Máquinas e equipamentos Variáveis

Explicativas

B


B


B


X1TAM 1,3126 5,3876 17,33% -0,9215 0,3066 -16,55%** 0,0360 1,0000 0,90% X1EXPO 0,7767 2,1744 2,1744 0,8585 2,3595 2,3595* 0,5987 1,8197 1,8197*

X1ORCAP 0,5242 1,6891 1,6891 -1,2622 0,2830 0,2830 0,4034 1,4969 1,4969 X1SALMED 0,3335 3,5882 5,69% 0,2021 2,1688 4,37% 1,5971 1,0000 39,93%** X1IDADE -0,0325 0,5209 -0,73% 0,0356 2,0421 0,79%** 0,0004 1,0000 0,01% GRUPO -0,5184 0,5954 0,5954 -0,3018 0,7395 0,7395 -0,5617 0,5702 0,5702*

RHLIPROD 2,4998 6,2987 29,56% 1,8601 3,9329 30,06%* 1,6379 1,0000 40,95%** PRODSERV -1,9429 0,1433 0,1433 -0,5473 0,5785 0,5785 -0,2346 0,7909 0,7909 X2INVFPD -188,9657 0,9532 -4721,44% 7,3203 1,0019 183,01%** 3,7443 1,0000 93,61% X2INRHPD -4,3320 0,9662 -108,27% 8,0255 1,0659 200,43% 5,9331 1,0000 148,33%** X2LABPD 1,8797 6,5514 6,5514 0,1565 1,1694 1,1694 0,9158 2,4988 2,4988**

X2COOPPD 1,8883 6,6080 6,6080 1,9879 7,3004 7,3004** 1,2327 3,4306 3,4306** X2APOGOV 21,3611 1,89E+09 1,89E+09 2,0738 7,9548 7,9548** 1,0101 2,7458 2,7458**

X2FIINT 1,4938 4,4538 4,4538 0,9968 2,7095 2,7095** 1,6356 5,1323 5,1323** X2FILGM 5,2645 193,3408 193,3408 5,3585 212,4003 212,4003 1,4261 4,1626 4,1626** X2FIINST 0,1313 1,1403 1,1403 -0,7183 0,4876 0,4876* -0,1982 0,8202 0,8202

X2FIOFON -1,2513 0,2861 0,2861 1,0892 2,9718 2,9718** 0,8639 2,3723 2,3723**



0 945 14 98,50 3653 69 98,11 2033 111 95, 15 YINPROC

1 11 83 88,73 42 353 89,27 146 224 61,10



R² Nagelkerke

R² -2 Log


R² Nagelkerke

R² -2 Log


R² Nagelkerke

R² Sumário 162,0087 0,3597 0,7974 722,9071 0,3670 0,7827 1031,4085 0,3461 0,6112

* Significante a 5% ** Significante a 1% Tabela 37 – Inovação tecnológica em processos nos setores de Metalurgia Básica, Produtos metálicos e Máquinas e equipamentos.

174

31. Material elétrico 32. Eletrônicos e comunicações 33. Equipamentos Médicos Variáveis

Explicativas

B


B


B


X1TAM 1,1905 4,8349 16,91%** -0,4209 0,5657 -9,71% -2,3967 0,0473 -10,34%* X1EXPO -1,6094 0,2000 0,2000** 3,9625 52,5908 52,5908** 1,5757 4,8343 4,8343

X1ORCAP 2,7510 15,6578 15,6578** 1,4432 4,2344 4,2344 -1,2641 0,2825 0,2825 X1SALMED 1,4011 220,4693 0,63% 1,4584 290,2327 0,50% 0,6155 11,2475 4,61% X1IDADE -0,0279 0,6084 -0,66%* -0,0632 0,9579 -1,58% 0,0597 2,9209 1,13%* GRUPO -1,2261 0,2934 0,2934** 1,4197 4,1359 4,1359 0,2639 1,3020 1,3020

RHLIPROD 5,0305 35,1040 13,55% 2,2365 2,78E+14 0,00% 4,4647 16,9364 23,50% PRODSERV -1,6624 0,1897 0,1897* 20,8063 1,09E+09 1,09E+09 -3,2945 0,0371 0,0371** X2INVFPD 10,2287 1,0136 255,71% -5,6203 0,9950 -140,51% 16,3599 1,0881 408,27%** X2INRHPD -3,0257 0,9336 -75,55% -8,3561 0,4999 -185,68% -1,5533 0,8818 -38,68% X2LABPD 0,6836 1,9810 1,9810 3,5615 35,2157 35,2157** 2,9185 18,5140 18,5140**

X2COOPPD 1,6213 5,0594 5,0594* 1,8306 6,2375 6,2375 -3,1366 0,0434 0,0434** X2APOGOV 6,8400 934,4902 934,4902** 1,3957 4,0379 4,0379 3,4179 30,5065 30,5065**

X2FIINT 1,4427 4,2321 4,2321** -2,6278 0,0722 0,0722** 2,8840 17,8865 17,8865** X2FILGM 2,7551 15,7229 15,7229** 12,1480 188720,39 188720,39 5,1588 173,9601 173,9601** X2FIINST 0,6866 1,9869 1,9869 1,1598 3,1893 3,1893 0,1408 1,1513 1,1513

X2FIOFON 1,4880 4,4281 4,4281** -5,4217 0,0044 0,0044** -1,3055 0,2710 0,2710 Predito Predito Predito


0 921 19 97,96 287 6 97,87 359 16 95,62YINPROC 1 26 103 79,78 8 55 87,10 12 83 87,56



R² Nagelkerke

R² -2 Log


R² Nagelkerke

R² -2 Log


R² Nagelkerke

R² Sumário 256,9454 0,3914 0,7508 78,7916 0,5102 0,8403 161,8574 0,4848 0,7636

* Significante a 5% ** Significante a 1% Tabela 38 – Inovação tecnológica em processos nos setores de Material elétrico, Eletrônicos e comunicações e Equipamentos Médicos.

175

34. Veículos Automotores 39. Outras indústrias


B


B


X1TAM 0,5068 2,0125 11,24% 0,5527 1,9046 12,48% X1EXPO -0,3625 0,6960 0,6960 2,1490 8,5767 8,5767**

X1ORCAP 1,8462 6,3357 6,3357* 1,7153 5,5585 5,5585* X1SALMED -0,1329 0,6033 -3,12% 0,2011 2,0956 4,40% X1IDADE -0,0068 0,9951 -0,17% 0,0281 1,5979 0,67%** GRUPO -0,2058 0,8140 0,8140 -1,1570 0,3144 0,3144**

RHLIPROD 0,9391 5,90E+07 0,00% 2,4025 5,9235 29,69%* PRODSERV -3,4961 0,0303 0,0303** 0,7998 2,2250 2,2250 X2INVFPD -33,5733 0,9873 -839,30% -122,9578 0,9715 -3073,30% X2INRHPD 0,7960 1,0113 19,90% -4,9932 0,9155 -124,59%** X2LABPD 0,8816 2,4146 2,4146 2,0747 7,9625 7,9625**

X2COOPPD -1,1383 0,3204 0,3204* -0,5204 0,5943 0,5943 X2APOGOV -0,1727 0,8414 0,8414 0,3268 1,3865 1,3865

X2FIINT 0,7463 2,1092 2,1092 -0,7151 0,4891 0,4891* X2FILGM 5,2484 190,2721 190,2721** 6,0599 428,3521 428,3521** X2FIINST 1,2849 3,6143 3,6143* 0,0396 1,0404 1,0404

X2FIOFON 0,4737 1,6060 1,6060 0,6306 1,8787 1,8787

Predito Predito

0 1 % Observada 0 1 % Observada

0 897 14 98,41 3820 48 98,76 YINPROC

1 26 88 77,22 41 167 80,31

% Total 96,07 % Total 97,82

-2 Log Likelyhood

Cox & Snell R²

Nagelkerke R²

-2 Log Likelyhood

Cox & Snell R²

Nagelkerke R² Sumário

263,3296 0,3556 0,7089 560,2138 0,2327 0,7024

* Significante a 5% ** Significante a 1% Tabela 39 – Inovação tecnológica em processos nos setores de Veículos automotores e Outras indústrias.

176

Já a variável relativa à orientação exportadora (X1EXPO), é significante

estatisticamente para os setores de Alimentos e bebidas, Borracha e plásticos,

Produtos metálicos, Máquinas e equipamentos, Eletrônicos e comunicações e Outras

indústrias, onde as empresas exportadoras têm maior probabilidade de inovar do que

as não exportadoras seguindo o padrão encontrado na indústria de maneira agregada.

No entanto, também é estatisticamente significativa para os setores de Minerais não

metálicos e Material elétrico onde a probabilidade de inovar em processos das

empresas exportadoras é menor do que o encontrado para as empresas não

exportadoras.

A variável que corresponde à origem do capital controlador da empresa

(X1ORCAP) embora não seja estatisticamente significativa para a indústria do estado

como um todo, é significante nos setores de Alimentos e bebidas, Material elétrico,

Veículos automotores e Outras indústrias, onde as empresas com capital controlador de

origem estrangeira tem maior probabilidade de inovar em processos do que as que

possuem capital controlador de origem nacional, entretanto a variável também é

estatisticamente significante para o setor de Produtos químicos onde as empresas com

capital controlador nacional tem maior probabilidade de inovar do que as de capital

controlador estrangeiro.

A variável X1SALMED, relativa à média salarial, além de ser significante para a

indústria de maneira agregada, causando impacto positivo na probabilidade de inovar

em processos, também é significativa nos setores de Produtos químicos, Borracha e

plásticos e Máquinas e equipamentos, onde uma variação marginal na média salarial

aumenta a probabilidade de inovação. Entretanto também foi encontrada significância

177

para o setor de Produtos têxteis onde um incremento na média salarial diminui a

probabilidade da empresa inovar em processos.

Quanto à variável X1IDADE, relativa a idade da empresa, foi observado que

assim como para a indústria do estado como um todo, nos setores de Alimentos e

bebidas, Produtos têxteis, Produtos metálicos e Outras indústrias, uma variação

marginal causa um aumento na probabilidade de se inovar em processos.

A variável GRUPO, por sua vez, é estatisticamente significativa para os setores

de Produtos químicos, onde empresas que pertencem a um grupo de empresas tem

maior probabilidade de inovar do que as que não pertencem e nos setores de Máquinas

e equipamentos, Material elétrico e Outras indústrias onde as empresas que pertencem

a grupos tem probabilidade menor de inovar em processos do que aquelas que não

pertencem.

Em relação à variável PRODSERV, a análise setorial mostra que apenas no

setor de Produtos químicos a variável é estatisticamente significativa e aumenta a

probabilidade de inovar em processos quando varia marginalmente exibindo a mesma

característica do que a indústria do estado como um todo, entretanto, nos setores de

Vestuário e acessórios, Artigos de couro, Celulose e papel, Metalurgia básica, Material

elétrico, Equipamentos médicos e de Veículos automotores, onde também é

significativa, um incremento na variável diminui a probabilidade de inovação em

processos.

Já em relação aos recursos humanos ligados diretamente à produção

(RHLIGPROD), existe significância estatística nos setores de Produtos têxteis, Edição e

impressão, Artefatos de couro, Produtos químicos, Borracha e plásticos, Minerais não

metálicos, Produtos metálicos, Material elétrico, Máquinas e equipamentos e Outras

178

indústrias, onde a característica da indústria como um todo também acontece, ou seja,

uma variação marginal na variável causa um aumento na probabilidade de inovar.

Entretanto a variável também é significativa para o setor de Vestuário e acessórios

onde a probabilidade de inovar em processos diminui mediante uma variação marginal

da variável.

Os investimentos financeiros alocados em P&D, representados pela variável

X2INVFPD é significante apenas para o setor Produtos metálicos e para o setor de

Equipamentos Médicos, onde acontece um aumento na probabilidade de inovar quando

a variável sofre um incremento. Já a variável relativa aos recursos humanos alocados

em P&D possui significância estatística para os setores de Alimentos e bebidas,

Produtos têxteis, Artefatos de couro, Minerais não metálicos e Máquinas e

equipamentos onde a probabilidade de inovar em processos é aumentada mediante um

incremento na variável e no setor de Outras indústrias onde a probabilidade de inovar

diminui quando acontece um incremento nesta variável.

A variável X2LABPD é significante estatisticamente para os setores de Edição e

impressão, Produtos químicos, Metalurgia básica, Máquinas e equipamentos,

Equipamentos de comunicação, Equipamentos médicose Outras indústrias onde as

empresas que possuem laboratório ou departamento específico de P&D tem maior

probabilidade de inovar em processos do que aquelas que não possuem, apresentando

portanto a mesma característica da indústria do estado como um todo, entretanto a

variável é significativa também para o setor de Vestuário e acessórios, onde as

empresas que possuem departamento ou laboratório de P&D tem probabilidade menor

de inovação em processos do que as que não possuem.

179

A cooperação em pesquisa e desenvolvimento (X2COOPPD) apresentou

significância estatística nos setores de Produtos químicos, Minerais não metálicos,

Metalurgia básica, Produtos metálicos, Máquinas e equipamentos e Material elétrico,

aonde as empresas que realizaram este tipo de cooperação possuem maior

probabilidade de inovar do que as que não possuem, seguindo a mesma linha

apresentada pela indústria do estado como um todo, e nos setores de Alimentos e

bebidas, Produtos têxteis, Artefatos de couro, Equipamentos médicos e Veículos

automotores onde as empresas que realizaram cooperação em pesquisa e

desenvolvimento possuem menor probabilidade de inovar do que aquelas que não

realizaram.

Já a variável X1APOGOV, relativa ao apoio governamental apresentou

significância estatística nos setores de Alimentos e bebidas, Produtos químicos,

Borrachas e plásticos, Produtos metálicos, Materiais elétricos, Máquinas e

equipamentos e Equipamentos que apresentaram a mesma característica da indústria

do estado como um todo, ou seja, as empresas que obtiveram apoio governamental

possuem maior probabilidade de inovar em processos do que as que não obtiveram

este tipo de apoio.

Em relação às fontes de informação para as atividades de inovação, a variável

relativa às fontes internas (X2FIINT) é significativa estatisticamente para os setores de

Alimentos e bebidas, Produtos têxteis, Vestuário e acessórios, Celulose e papel, Edição

e impressão, Produtos químicos, Borracha e plásticos, Minerais metálicos, Metalurgia

básica, Produtos metálicos, Máquinas e equipamentos, Material elétrico e

Equipamentos Médicos, apresentando a mesma característica da indústria do estado

de forma agregada, com as empresas que atribuíram importância à informação

180

provinda destes tipos de fonte tendo maior probabilidade de inovar em processos do

que as empresas que não atribuíram. Entretanto a variável também se mostrou

estatisticamente significativa nos setores de Eletrônicos e comunicações e Outras

indústrias onde as empresas que atribuíram importância a estas fontes têm menor

probabilidade de inovar em processos do que as que não atribuíram.

Em relação às fontes ligadas ao mercado (X2FLIGM) além de estatisticamente

significantes para a indústria de forma agregada, sendo que as empresas que

atribuíram importância para estes tipos de fontes tem maior probabilidade de inovar em

processos do que as que não atribuíram, o mesmo acontece nos setores de Alimentos

e bebidas, Produtos têxteis, Produtos químicos, Borracha e plásticos, Minerais

metálicos, Metalurgia básica, Produtos metálicos, Máquinas e equipamentos, Material

elétrico, Equipamentos médicos e Outras indústrias.

A variável X2FINST, que representa as fontes acadêmicas, é estatisticamente

significativa para os setores de Produtos têxteis, Produtos químicos, Minerais não

metálicos e Veículos automotores, onde as empresas que atribuíram importância para

estes tipos de fontes possuem maior probabilidade de inovar em processos do que as

que não atribuíram, exibindo a mesma característica apresentada pela indústria do

estado como um todo. Entretanto, a variável também é significativa para o setor de

Borracha e Plásticos e para o setor de Produtos metálicos, onde as empresas que

atribuíram importância para este tipo de fonte possuem menor probabilidade de inovar

em processos do que aquelas que não atribuíram.

Com relação às outras fontes (X2FIOFON), a variável é estatisticamente

significante para os setores de Vestuário e acessórios, Artigos de couro, Edição e

impressão, Borracha e plásticos, Minerais não metálicos, Produtos metálicos, Máquinas

181

e Equipamentos e Material elétrico, onde a probabilidade de inovação em processos

das empresas que atribuíram importância para estas fontes é superior à probabilidade

das de inovação das empresas que não atribuíram, e nos setores de Produtos químicos

e Equipamentos de comunicação onde as empresas que atribuíram importância às

informações provindas deste tipo de fontes possuem menor probabilidade de inovar em

processos do que as empresas que não atribuíram.

4.2.3. OBTENÇÃO DE PATENTES

Esta seção apresenta os resultados encontrados neste trabalho referentes à

obtenção de patentes, trazendo os dados referentes à indústria do estado de maneira

agregada e também aos diversos setores industriais estudados.

Desta forma, é possível observar na tabela abaixo que a primeira variável

estatisticamente significativa para a indústria do estado de maneira agregada é o total

de pessoal ocupado na empresa, representado pela variável X1TAM, cuja variação

marginal aumenta a probabilidade da empresa obter patentes em 10,38%, o que pode

ser explicado pelo fato de que empresas maiores normalmente possuem mais capital

para investir em atividades de P&D e de engenharia não-rotineira, além dos custos

relacionados ao pedido de patente se diluem mais facilmente para empresas de grande

porte, o que se reflete no desenvolvimento de novas tecnologias e posteriormente na

obtenção de patentes.

182


Explicativas B


B


X1TAM 0,4478 26,9501 1,7366 10,38% 0,4860 42,1838 1,8203 11,12%**

X1EXPO 0,4794 30,6430 1,6151 1,6151 0,4824 31,7858 1,6200 1,6200

X1ORCAP 0,5035 12,9931 1,6545 1,6545 0,4555 11,8595 1,5770 1,5770

X1SALMED -0,6653 41,3620 0,0810 -4,61% -0,6567 42,8834 0,0837 -4,68%**

X1IDADE 0,0038 2,6073 1,0679 0,09%

GRUPO -0,0637 0,4515 0,9383 0,9383

RHLIPROD -0,4628 4,3997 0,6295 -37,05% -0,4567 4,5156 0,6334 -36,66%*

PRODSERV 0,2365 4,4210 1,2668 1,2668 0,2203 4,3077 1,2464 1,2464

X2INVFPD 0,4427 0,0127 1,0003 11,07%

X2INRHPD -0,1555 0,2420 0,9969 -3,89%

X2LABPD 0,3244 13,7730 1,3833 1,3833 0,3342 15,6362 1,3969 1,3969*

X2COOPPD 0,0074 0,0059 1,0074 1,0074

X2APOGOV -0,0996 1,0016 0,9052 0,9052

X2FIINT 0,2741 9,6029 1,3154 1,3154 0,2551 8,8286 1,2906 1,2906

X2FILGM -0,2821 6,2547 0,7542 0,7542 -0,2737 6,1848 0,7605 0,7605

X2FIINST 0,0393 0,2820 1,0401 1,0401

X2FIOFON 0,7943 94,3176 2,2130 1,3833 0,8034 102,7961 2,2332 2,2332


Cox & Snell R² 0,128 YPATENTE

0 1 % correta

Nagelkerke R² 0,179 0 2983 334 89,93


1 1104 486 30,56


Tabela 40 – Obtenção de patentes na indústria do estado de São Paulo6.

Outra variável com significância estatística para a indústria do estado é a

orientação exportadora, onde as empresas que exportam têm probabilidade igual a

1,6151 vezes a probabilidade de obter patentes das empresas não exportadoras. Isso

acontece provavelmente devido à forte competitividade do mercado internacional, o que

estimula a empresa a proteger a propriedade intelectual.

6 Dummies de setor omitidas da apresentação

183

A variável X1ORCAP também é estatisticamente significativa para a indústria do

estado, sendo que as empresas com origem de capital controlador estrangeiro

possuem probabilidade igual a 1,6545 vezes a probabilidade de obter patentes das

empresas de capital nacional, diferença causada possivelmente pela pouca cultura de

inovação e decorrente proteção da propriedade intelectual dos empresários nacionais

em comparação com os estrangeiros.

A variável relativa ao salário médio (X1SALMED), também é estatisticamente

significativa para a indústria do estado, causando um impacto negativo na probabilidade

de obter patentes de 4,61% quando sofre uma variação marginal. A causa disso,

possivelmente é a composição da amostra, cuja maior parte é formada por empresas

de pequeno porte que em geral tendem a ter médias salariais mais baixas.

Em relação à porcentagem de pessoal ocupado ligado diretamente a produção

(RHLIPROD), que também é significativa estatisticamente para a indústria do estado, os

efeitos marginais mostram que um incremento na variável causa decréscimo na

probabilidade de obter patentes de 37,05%, o que se explica pelo fato de que a

obtenção de patentes está relacionada à produção intelectual, sendo que empresas

com maior ênfase na parte produtiva possuem menor probabilidade de inovar e

consequentemente obter patentes.

Outra variável com significância estatística para a indústria do estado é a

PRODSERV, onde empresas que possuem a maior parte de suas receitas provinda da

venda de bens possuem maior probabilidade de obter patentes do que aquelas que

prestam serviços industriais, o que pode ser explicado pelo fato de que bens podem ser

patenteados e serviços não, assim as empresas cuja maior parte da receita provenha

da venda de bens se sentem estimuladas a se proteger por meio de patentes.

184

A presença de laboratório ou departamento específico de P&D também é

significativa estatisticamente para a indústria do estado, sendo que empresas que

possuem estes ambientes têm probabilidade igual a 1,3833 vezes a probabilidade de

obter patentes das empresas que não têm. Isto se explica por se tratarem de ambientes

específicos para a geração e de conhecimento e tecnologias aplicáveis a indústria e

portanto, altamente patenteáveis.

Em se tratando de fontes de informação para atividades de inovação, a variável

X2FIINT, relativa às fontes internas, mostra que empresas que atribuíram importância a

este tipo de fontes possuem probabilidade de obter patente igual a 1,3154 vezes a

probabilidade de empresas que não atribuíram, o que pode ser explicado pelo fato de

que o conhecimento gerado dentro da própria empresa (no departamento de P&D ou

em outras áreas), por ser diretamente aplicável ao seu negócio estimulando a empresa

a patentear suas inovações protegendo-as.

Em relação às fontes ligadas ao mercado (X2FILIGM), os resultados mostram

que empresas que atribuíram importância a estes tipos de fontes têm probabilidade de

obter patentes igual a 0,7542 vezes a probabilidade das empresas que não atribuíram,

indicando que embora o conhecimento provindo do mercado seja útil, muitas vezes já é

de propriedade de outras empresas, não podendo ser patenteado.

Para as outras fontes de informação, as empresas industriais do estado que

atribuíram importância para este tipo de fontes possuem probabilidade de obter

patentes igual a 1,3833 vezes a probabilidade de empresas que não atribuíram, o que

pode indicar que ao ter contato com este tipo de eventos onde os produtos e processos

já estão protegidos por meio de patentes ou mesmo ao adquirir novas licenças e

185

patentes as empresas ficam estimuladas a proteger seu próprio patrimônio intelectual, o

que explica a maior probabilidade de se obter patentes.

Quanto à análise setorial, deve-se destacar que os setores de Indústria extrativa,

Celulose e papel, Refino de petróleo, Equipamentos de informática e Outros

equipamentos de transporte foram retirados da apresentação por não apresentarem

resultados válidos ou por não ser possível a realização de regressões nestes setores.

Sendo assim, os dados demonstram que a variável X1TAM revelou ser

estatisticamente significativa para os setores de Alimentos e bebidas, Produtos têxteis,

Metalurgia básica, Produtos metálicos, Equipamentos Médicos, Veículos automotores e

Outras indústrias, onde um incremento na variável aumenta a probabilidade de a

empresas obterem patentes, no entanto no setor de Vestuário e acessórios um

incremento na variável diminui a probabilidade de a empresa obter patentes.

A variável X1ORCAP, relativa à origem do capital controlador, se mostrou

estatisticamente significativa apenas nos setores de Borracha e plásticos e Máquinas e

equipamentos, onde as empresas com capital controlador estrangeiro possuem maior

probabilidade de obter patentes do que as de capital controlador nacional.

Quanto à orientação exportadora, houve significância estatística nos setores de

Vestuário e acessórios, Produtos químicos, Minerais não metálicos, Máquinas e

equipamentos, Material elétrico e Eletrônicos e comunicações, onde, seguindo a

característica encontrada para a indústria do estado como um todo, a probabilidade das

empresas com capital controlador de origem estrangeira obterem patentes é maior do

que aquelas com capital controlador de origem nacional, e no setor de Edição e

impressão onde ocorre o inverso, com as empresas de capital controlador nacional

tendo maior probabilidade de obter patentes.

186

15. Alimentos e bebidas 17. Produtos Têxteis 18. Vestuários e acessórios


B


B


B


X1TAM 0,8818 3,0039 16,52%* 3,0872 58,5495 5,10%** -3,4378 0,0165 -5,50%** X1EXPO 0,1116 1,1180 1,1180 -1,0379 0,3542 0,3542 3,1988 24,5029 24,5029**

X1ORCAP 0,6480 1,9119 1,9119 -23,7780 0,0000 0,0000 X1SALMED -0,7085 0,0000 0,00% -1,6138 0,0025 -0,39% 4,7011 2,88E+07 0,00001%** X1IDADE -0,0392 0,9745 -0,98%** -0,1586 0,0388 -0,57%** 0,0057 1,0787 0,14% GRUPO -0,8638 0,4215 0,4215* -0,9091 0,4029 0,4029 1,8688 6,4803 6,4803

RHLIPROD 1,4378 2,5824 28,93% -0,0996 0,9285 -2,49% -5,1401 0,0219 -10,80%** PRODSERV -0,5202 0,5944 0,5944 13,8284 1,01E+06 1,01E+06 19,6759 3,51E+08 3,51E+08 X2INVFPD 269,3713 1,1132 6714,96% -915,5082 0,0279 -26143,89% -970,1838 0,6782 -23362,52% X2INRHPD 1,3036 1,0227 32,59%* -64,1309 0,4452 -1366,95% 3,4570 1,0504 86,37% X2LABPD 1,9271 6,8696 6,8696** 3,1836 24,1332 24,1332** -1,7797 0,1687 0,1687

X2COOPPD -0,1521 0,8589 0,8589 12,6410 3,09E+05 3,09E+05 -24,4174 2,49E-11 2,49E-11 X2APOGOV -0,4270 0,6525 0,6525 0,2559 1,2917 1,2917 -0,3261 0,7217 0,7217

X2FIINT 0,1931 1,2130 1,2130 3,2405 25,5452 25,5452** -2,1613 0,1152 0,1152** X2FILGM -0,0503 0,9510 0,9510 1,1745 3,2365 3,2365 -1,9261 0,1457 0,1457 X2FIINST -0,5654 0,5681 0,5681 -1,3986 0,2469 0,2469* -0,9670 0,3802 0,3802

X2FIOFON 1,3524 3,8670 3,8670** 2,9203 18,5467 18,5467** 3,2345 25,3932 25,3932**



0 247 13 94,86 180 6 96,54 171 8 95,42 YPATENTE

1 48 27 36,20 12 47 79,26 16 45 73,13



R² Nagelkerke

R² -2 Log


R² Nagelkerke

R² -2 Log


R² Nagelkerke

R² Sumário 264,1049 0,2413 0,3685 98,5379 0,5073 0,7573 157,1179 0,3832 0,5646

* Significante a 5% ** Significante a 1% Tabela 41 – Obtenção de patentes nos setores de Alimentos e bebidas, Produtos têxteis e Vestuário e Acessórios.

187

19. Artefatos de couro 22. Edição e Impressão 24. Produtos Químicos


B


B


B


X1TAM -0,4965 0,5343 -11,27% -0,4875 0,5695 -11,27% 0,2502 1,4009 6,08% X1EXPO 2,4454 11,5357 11,5357 -3,9468 0,0193 0,0193* 0,7835 2,1891 2,1891**

X1ORCAP -15,8973 0,0000 0,0000 11,3209 8,25E+04 8,25E+04 0,6736 1,9613 1,9613 X1SALMED 2,8627 3,64E+04 0,01% 1,0307 53,7936 1,85% -1,6475 0,0016 -0,25%** X1IDADE 0,0331 1,6363 0,78% 0,0979 6,4074 1,14%** -0,0060 0,9028 -0,15% GRUPO 0,4498 1,5679 1,5679** -5,2772 0,0051 0,0051** 0,3554 1,4267 1,4267

RHLIPROD -16,2255 0,0000 -0,01% -7,9985 0,0058 -4,56%** 1,1055 1,9984 24,57% PRODSERV 0,7241 2,0628 2,0628 1,5116 4,5339 4,5339 2,0042 7,4204 7,4204** X2INVFPD -7,45E+04 0,0000 -106,21% -12,4668 0,9915 -311,67% X2INRHPD 2,0085 1,0532 50,18% 13,0059 1,2079 322,26%** -0,7213 0,9757 -18,03% X2LABPD 0,6256 1,8694 1,8694 6,6141 7,5549 7,5549** -0,1578 0,8540 0,8540

X2COOPPD -0,8391 0,4321 0,4321 1,6060 4,9827 4,9827 -0,1045 0,9008 0,9008 X2APOGOV -0,8682 0,4197 0,4197 -4,4067 0,0122 0,0122 0,1352 1,1447 1,1447

X2FIINT -0,2692 0,7640 0,7640 1,1348 3,1104 3,1104 -1,1037 0,3317 0,3317** X2FILGM -1,1216 0,3257 0,3257* 17,7623 5,18E+07 5,18E+07 -0,0375 0,9632 0,9632 X2FIINST -3,4507 0,0317 0,0317** 0,8503 2,3403 2,3403 0,9811 2,6675 2,6675**

X2FIOFON 5,3673 214,2826 214,2826 0,9914 2,6949 2,6949 -0,3871 0,6790 0,6790



0 55 8 87,80 217 5 97,79 215 67 76,41 YPATENTE

1 7 28 79,66 8 58 87,79 88 124 58,43



R² Nagelkerke

R² -2 Log


R² Nagelkerke

R² -2 Log


R² Nagelkerke

R² Sumário 68,1734 0,4536 0,6233 57,8449 0,5822 0,8842 562,6431 0,2023 0,2716

* Significante a 5% ** Significante a 1% Tabela 42 – Obtenção de patentes nos setores de Artefatos de Couro, Edição e Impressão e Produtos Químicos.

188

25. Borracha e plásticos 26. Minerais não metálicos 27. Metalurgia Básica Variáveis

Explicativas

B


B


B


X1TAM 0,3454 1,5667 8,21% 2,0790 11,7352 15,04% 2,6171 29,6111 8,27%** X1EXPO -0,4950 0,6096 0,6096 3,4413 31,2275 31,2275** 1,2691 3,5575 3,5575

X1ORCAP 1,8805 6,5569 6,5569** 0,3721 1,4507 1,4507 1,6390 5,1502 5,1502 X1SALMED 0,7805 19,8219 3,57% 2,3087 4630,3129 0,05% -2,8519 0,0000 -0,01%* X1IDADE -0,0018 0,9987 -0,05% -0,0568 0,3610 -1,11%* -0,0225 0,6351 -0,54% GRUPO -0,7287 0,4825 0,4825 -2,2494 0,1055 0,1055* -1,2638 0,2826 0,2826

RHLIPROD 2,0829 8,90E+14 0,000001% -3,3630 0,0771 -22,36% 10,7833 2840,7034 0,38% PRODSERV 1,2556 3,5100 3,5100** 20,3763 7,07E+08 7,07E+08 18,7930 1,45E+08 1,45E+08 X2INVFPD 109,2385 1,3343 2674,94% 65,5763 1,0109 1639,36% 2079,1166 1,6939 48529,40% X2INRHPD 10,0203 1,2025 248,39%** 14,4482 1,1716 358,95%* 13,0740 1,1176 325,84%* X2LABPD 0,2061 1,2289 1,2289 0,9545 2,5973 2,5973 1,0450 2,8434 2,8434

X2COOPPD 0,0936 1,0981 1,0981 0,8039 2,2343 2,2343 -0,8932 0,4094 0,4094 X2APOGOV 0,6003 1,8227 1,8227 -4,9325 0,0072 0,0072 1,0395 2,8278 2,8278

X2FIINT -0,0923 0,9119 0,9119 -1,6723 0,1878 0,1878* 1,0043 2,7300 2,7300 X2FILGM 0,2728 1,3137 1,3137 0,3936 1,4824 1,4824 29,9679 1,03E+13 1,03E+13 X2FIINST -0,0521 0,9493 0,9493 0,2965 1,3452 1,3452 1,3557 3,8795 3,8795

X2FIOFON 1,6748 5,3378 5,3378** -1,6613 0,1899 0,1899* -0,3088 0,7344 0,7344



0 218 44 83,30 171 6 96,66 96 0 100,00 YPATENTE

1 75 94 55,58 12 18 59,40 9 13 58,53

% Total 72,43 % Total 91,28 % Total -2 Log


R² Nagelkerke

R² -2 Log


R² Nagelkerke

R² -2 Log


R² Nagelkerke

R² Sumário 470,7412 0,2191 0,2969 89,7326 0,3241 0,5764 62,1901 0,3644 0,5851

* Significante a 5% ** Significante a 1% Tabela 43 – Obtenção de patentes nos setores de Artefatos de Couro, Edição e Impressão e Produtos Químicos.

189

28. Produtos metálicos 29. Máquinas e equipamentos 31. Material elétrico Variáveis

Explicativas

B


B


B


X1TAM 2,1816 13,4248 14,08%** -0,3055 0,6823 -7,37% 0,7562 2,6847 14,95% X1EXPO 0,5034 1,6543 1,6543 0,6397 1,8959 1,8959* 1,4167 4,1233 4,1233**

X1ORCAP 0,0943 1,0989 1,0989 0,7416 2,0992 2,0992* -0,2137 0,8076 0,8076 X1SALMED 0,3305 3,5484 5,67% -1,7754 0,0008 -0,15%** -0,3951 0,2186 -5,82% X1IDADE 0,0155 1,3147 0,38% 0,0173 1,3902 0,42%** -0,0142 0,7803 -0,35% GRUPO -0,8031 0,4479 0,4479 -0,3605 0,6973 0,6973 -1,2240 0,2941 0,2941**

RHLIPROD -4,3125 0,0437 -17,30%** -2,6844 0,1610 -32,06%** 0,6367 1,5712 15,13% PRODSERV -0,9203 0,3984 0,3984* 0,6382 1,8930 1,8930** 20,1288 5,52E+08 5,52E+08 X2INVFPD -47,3876 0,9861 -1184,63% 11,8848 1,0054 297,12%** 15,6368 1,0212 390,88% X2INRHPD 1,3301 1,0187 33,25% -4,9348 0,8504 -122,56% -3,9143 0,9324 -97,74% X2LABPD 0,6678 1,9499 1,9499 1,0670 2,9066 2,9066** 0,4697 1,5995 1,5995

X2COOPPD -0,5273 0,5902 0,5902 0,2117 1,2357 1,2357 0,5332 1,7045 1,7045 X2APOGOV -1,2344 0,2910 0,2910* 0,7749 2,1703 2,1703* -0,0638 0,9382 0,9382

X2FIINT 1,4211 4,1415 4,1415* 0,6855 1,9848 1,9848** 0,5887 1,8017 1,8017 X2FILGM -2,3952 0,0912 0,0912** 1,0099 2,7453 2,7453** 1,3247 3,7610 3,7610* X2FIINST -0,7598 0,4678 0,4678** -0,6694 0,5120 0,5120** -0,0736 0,9291 0,9291

X2FIOFON 3,0041 20,1674 20,1674** -0,2251 0,7984 0,7984 0,8658 2,3769 2,3769



0 361 25 93,60 274 93 74,66 131 23 85,25 YPATENTE

1 41 65 61,18 96 202 67,82 35 46 56,94



R² Nagelkerke

R² -2 Log


R² Nagelkerke

R² -2 Log


R² Nagelkerke

R² Sumário 301,5962 0,3512 0,5416 760,6813 0,2060 0,2757 220,7935 0,2927 0,4043

* Significante a 5% ** Significante a 1% Tabela 44 – Obtenção de patentes nos setores de Produtos metálicos, Máquinas e equipamentos e Material elétrico.

190

32. Eletrônicos e comunicações 33. Equipamentos Médicos 34. Veículos Automotores Variáveis

Explicativas

B


B


B


X1TAM 0,0691 1,0994 1,72% 3,8489 135,0708 2,81%** 2,6463 40,0067 6,30%** X1EXPO 1,5667 4,7909 4,7909* -0,0607 0,9411 0,9411 -0,4594 0,6316 0,6316

X1ORCAP -0,6510 0,5215 0,5215 21,8579 3,11E+09 3,11E+09 0,1899 1,2091 1,2091 X1SALMED 2,5630 20217,4769 0,01%* -2,0389 0,0003 -0,07% -1,1149 0,0143 -1,55% X1IDADE 0,0339 1,6518 0,80% -0,0356 0,5090 -0,79% -0,0193 0,6917 -0,47% GRUPO -0,0210 0,9792 0,9792 -0,4658 0,6276 0,6276 1,5250 4,5953 4,5953*

RHLIPROD 1,2703 2,4012 26,37% 2,6398 5,5579 34,12% -6,4488 0,0094 -5,94%* PRODSERV -21,5070 4,57E-10 4,57E-10 -4,0719 0,0170 0,0170* 1,0873 2,9663 2,9663 X2INVFPD 5,1178 1,0021 127,94% -66,2444 0,7309 -1616,09% -22,7655 0,9912 -569,13% X2INRHPD 0,4727 1,0290 11,82% 4,1497 1,2193 102,73% 8,5282 1,1297 212,42% X2LABPD 0,3406 1,4058 1,4058 -2,4185 0,0891 0,0891** 0,5046 1,6563 1,6563

X2COOPPD -1,2509 0,2862 0,2862 0,4956 1,6415 1,6415 -0,0011 0,9989 0,9989 X2APOGOV -0,8178 0,4414 0,4414 -0,1190 0,8878 0,8878 2,0381 7,6757 7,6757

X2FIINT 0,8977 2,4539 2,4539 1,4606 4,3085 4,3085 5,8180 336,3116 336,3116** X2FILGM -4,2640 0,0141 0,0141** -5,7817 0,0031 0,0031** -2,6408 0,0713 0,0713 X2FIINST 1,7228 5,6002 5,6002* 2,0621 7,8622 7,8622** -0,0530 0,9484 0,9484

X2FIOFON 1,9650 7,1350 7,1350** 4,6039 99,8692 99,8692** 0,8597 2,3624 2,3624



0 63 14 81,40 96 14 87,07 91 16 85,11 YPATENTE

1 10 65 86,41 14 54 78,94 17 36 67,85



R² Nagelkerke

R² -2 Log


R² Nagelkerke

R² -2 Log


R² Nagelkerke

R² Sumário 100,4585 0,5153 0,6871 109,1820 0,5114 0,6956 98,7546 0,4786 0,6659

* Significante a 5% ** Significante a 1% Tabela 45 – Obtenção de patentes nos setores de Eletrônicos e comunicações, Equipamentos médicose Veículos automotores

191

39. Outras indústrias

Variáveis Explicativas B


X1TAM 2,4805 17,4752 12,70%** X1EXPO 0,0522 1,0536 1,0536

X1ORCAP 1,5027 4,4938 4,4938 X1SALMED -1,9251 0,0008 -0,16%** X1IDADE -0,0036 0,9973 -0,09% GRUPO -0,0416 0,9593 0,9593

RHLIPROD -0,5114 0,0002 -0,0001% PRODSERV -1,0281 0,3577 0,3577 X2INVFPD -14,4111 0,9965 -360,28% X2INRHPD -1,9581 0,9637 -48,93% X2LABPD 0,5906 1,8051 1,8051

X2COOPPD 0,5101 1,6654 1,6654 X2APOGOV -0,2716 0,7622 0,7622

X2FIINT 0,0348 1,0354 1,0354 X2FILGM 1,0189 2,7702 2,7702* X2FIINST -0,4105 0,6633 0,6633

X2FIOFON 0,1938 1,2138 1,2138

Predito

0 1 % Observada

0 274 26 91,42 YPATENTE

1 51 57 52,83

% Total 81,17

-2 Log Likelyhood Cox & Snell R² Nagelkerke R² Sumário

355,2896 0,2490 0,3632

* Significante a 5% ** Significante a 1% Tabela 46 – Obtenção de patentes no setor de Outras indústrias

Quanto à variável relativa à média salarial (X1SALMED), houve significância

estatística nos setores de Produtos químicos, Metalurgia básica, Máquinas e

equipamentos e Outras indústrias onde um incremento na variável diminui a

probabilidade de obter patentes e nos setores de Produtos têxteis e Eletrônicos e

comunicações, onde um incremento na variável causa um aumento nesta

probabilidade.

192

A variável relativa à idade da empresa, por sua vez é estatisticamente

significativa para os setores de Edição e impressão, onde um incremento causa um

acréscimo na probabilidade de obterem patentes e nos setores de Alimentos e bebidas,

Produtos têxteis, Produtos químicos e de Minerais não metálicos onde a probabilidade

de obter patentes diminui quando variável sofre uma variação marginal.

Em relação à variável GRUPO, embora não haja significância estatística para a

indústria como um todo, esta ocorre no setor de Artefatos de couro, onde empresas

pertencentes a grupos têm maior probabilidade de obter patentes e nos setores de

Alimentos e bebidas, Edição e Impressão, Minerais não metálicos e Material elétrico

onde ocorre o inverso, com empresas pertencentes a grupos tendo menor

probabilidade de obter patentes.

Com relação à porcentagem de recursos humanos ligados diretamente à

produção, houve significância estatística para o setor de Alimentos e bebidas onde, ao

sofrer uma variação marginal a variável aumenta a probabilidade de obtenção de

patentes e nos setores de Vestuário e acessórios, Edição e impressão, Produtos

metálicos, Máquinas e equipamentos e Veículos automotores onde ocorre diminuição

na probabilidade de obtenção de patentes mediante um incremento na variável.

Já para a variável PRODSERV foi encontrada significância estatística nos

setores de Produtos químicos, Borracha e plásticos e Máquinas e equipamentos onde a

probabilidade de obtenção de patentes de empresas cuja maior parte da receita

provenha da venda de bens é maior do que o das empresas cuja maior parte da receita

provenha da prestação de serviços industriais quando a variável sofre um incremento e

nos setores de Produtos metálicos e Equipamentos Médicos onde ocorre esta situação

se inverte.

193

A variável relativa aos investimentos financeiros alocados em P&D é

estatisticamente significativa apenas para o setor de Máquinas e equipamentos onde a

probabilidade de obtenção de patentes é aumentada mediante um incremento na

variável.

Já os investimentos de recursos humanos em P&D são significativos

estatisticamente nos setores de Alimentos e bebidas, Edição e impressão, Borracha e

plásticos, Minerais não metálicos e no setor de Borracha e plásticos onde a

probabilidade de obtenção de patentes aumenta mediante um incremento nesta

variável.

A presença de laboratório ou departamento específico de P&D é estatisticamente

significativo para os setores de Alimentos e bebidas, Produtos têxteis, Edição e

impressão e Máquinas e equipamentos, onde a probabilidade de obtenção de patentes

das empresas que possuem este tipo de infra-estrutura é maior do que a probabilidade

das empresas que não possuem, seguindo o padrão da indústria como um todo e do

setor de Equipamentos médicos onde a probabilidade de obtenção de patentes das

empresas que possuem é menor do que a das empresas que não possuem

laboratórios.

A variável relativa a cooperação em pesquisa e desenvolvimento (X2COOPPD)

não se mostrou significativa estatisticamente em nenhum dos setores estudados,

Já a variável relativa ao recebimento de apoio governamental (X2APOGOV) é

significativa para os setores de Máquinas e equipamentos, onde as empresas que

receberam este tipo de apoio tem maior probabilidade de obtenção de patentes do que

as que não obtiveram e no setor de Produtos metálicos onde as empresas que

194

receberam apoio do governo tem menor probabilidade de obtenção de patentes do que

as que não obtiveram.

Com relação às fontes de informação internas, houve significância estatística nos

setores de Produtos têxteis, Máquinas e equipamentos, Produtos metálicos e Veículos

automotores onde, como acontece na indústria do estado de forma agregada, as

empresas que atribuíram importância à estas fontes possuem maior probabilidade de

obtenção de patentes do que aquelas que não atribuíram, no entanto nos setores de

Produtos químicos e Minerais não metálicos a probabilidade de obtenção de patentes é

menor para as empresas que atribuíram importância às fontes internas do que as que

não atribuíram.

Já às fontes ligadas ao mercado são estatisticamente significativas nos setores

de Máquinas e equipamentos, Material elétrico e Outras indústrias, sendo que a

probabilidade de obtenção de patentes das empresas que atribuíram importância a

estes tipos de fontes de informação é menor do que a probabilidade das empresas que

não atribuíram, entretanto, esta variável também é estatísticamente significativa nos

setores de Artefatos de couro, Produtos metálicos, Eletrônicos e comunicações e

Equipamentos médicos onde ocorre o inverso.

Com relação às fontes acadêmicas, houve significância estatística para os

setores de Produtos químicos, Equipamentos de comunicação e Equipamentos

Médicos, onde empresas que atribuíram importância ao conhecimento provindo destas

fontes tem maior probabilidade de obtenção de patentes.

Já nos setores de Produtos têxteis, Artefatos de couro, Máquinas e

equipamentos e Produtos metálicos, onde as fontes acadêmicas também são

estatisticamente significativas as empresas que atribuíram importância a estes tipos de

195

fontes tem menor probabilidade de obtenção de patentes do que aquelas que não

atribuíram.

A variável relativa às outras fontes de informação é significativa estatisticamente

para os setores de Alimentos e bebidas, Produtos têxteis, Borracha e plásticos,

Produtos metálicos, Equipamentos de comunicação e Equipamentos médicos, sendo

que nestes setores, assim como para a indústria do Estado como um todo, as empresas

que atribuíram importância para estes tipos de fontes de informação tem maior

probabilidade de obtenção de patentes do que aquelas que não atribuíram, enquanto

que no setor de Minerais não metálicos ocorre o inverso, com as empresas que

atribuíram importância a estas fontes tendo menor probabilidade de obtenção de

patentes do que aquelas que não atribuíram.

4.2.4. FATURAMENTO ADVINDO DE NOVOS E MELHORADOS PRODUTOS

Esta seção apresenta a análise dos dados encontrados nas regressões lineares

realizadas para explicar a variável dependente YFATPROD que representa o

faturamento da empresa que advém da venda de novos e melhorados produtos.

Embora não tenha sido possível realizar a regressão para os setores de Indústria

extrativa, Vestuário e acessórios, Refino de petróleo, Equipamentos de informática e

Outros equipamentos de transporte, que foram omitidos da apresentação, para os

demais setores apresenta-se à seguir os resultados encontrados.

196

Coeficientes não padronizados Coeficientes padronizados Variáveis

Explicativas B Erro padrão B

t Significância

X1TAM -2,0585 1,4933 -0,0386 -1,3784 0,1682

X1EXPO -0,4002 1,4671 -0,0060 -0,2727 0,7851

X1ORCAP 4,7407 2,2219 0,0439 2,1336 0,0330*

X1SALMED -7,0355 1,6783 -0,0884 -4,1919 0,0000**

X1IDADE -0,0154 0,0408 -0,0074 -0,3771 0,7061

GRUPO 13,7085 3,7617 0,0772 3,6442 0,0003**

RHLIPROD -5,9749 1,5205 -0,0831 -3,9295 0,0001**

X2INVFPD 31,2768 53,9732 0,0104 0,5795 0,5623

X2INRHPD 40,0470 4,8558 0,1762 8,2473 0,0000**

X2LABPD -1,9476 1,4352 -0,0279 -1,3570 0,1749

X2COOPPD 1,2688 1,6133 0,0150 0,7865 0,4317

APOGOV 5,8661 1,9580 0,0538 2,9961 0,0028**

X2FIINT 0,1883 1,5699 0,0024 0,1199 0,9046

X2FILGM -4,0408 1,7915 -0,0435 -2,2555 0,0242*

X2FIINST 5,6886 1,3236 0,0836 4,2979 0,0000**

X2FIOFON 4,8279 1,2843 0,0727 3,7592 0,0002**

INOVMERC 1,2894 1,1651 0,0207 1,1067 0,2685

AMPVAR -7,3624 2,2123 -0,0976 -3,3279 0,0009

REDVAR -3,7395 2,5868 -0,0428 -1,4456 0,1484

* Significante a 5% R R² R² ajustado Erro padrão

** Significante a 1% 0,3542 0,1255 0,1139 29,3036

Tabela 47 – Faturamento advindo de novos e melhorados produtos na indústria de São Paulo7.

A primeira das variáveis que são estatisticamente significativas é a origem do

capital controlador, que mostra que quando a empresa possui capital controlador de

origem estrangeira a participação do faturamento advindo de novos e melhorados

produtos sobre a receita líquida total das atividades é 4,74% maior do que o das

empresas que possuem capital controlador de origem nacional.

7 Dummies de setor omitidas da apresentação

197

Já a variável X1SALMED, relativa à média salarial, também é estatisticamente

significativa para a indústria do estado como um todo, sendo que um incremento na

variável causa um decréscimo na participação do faturamento advindo de novos e

melhorados produtos sobre a receita líquida total das atividades da ordem de 7,03%, o

que pode ser explicado pela composição da amostra da Pesquisa de Atividade

Econômica Paulista, onde as empresas que obtiveram faturamento com novos produtos

é formada por empresas com baixos níveis de pessoal ocupado, que tendem a pagar

menores salários.

Outra variável estatisticamente significativa para a indústria do estado é a

variável GRUPO, cujo resultado mostra que o fato da empresa pertencer a um grupo

empresarial aumenta o percentual do faturamento advindo de novos e melhorados

produtos em relação à receita líquida total das atividades em aproximadamente

13,71%.

O resultado encontrado para a variável RHLIPROD mostra que um aumento de

uma unidade diminui a participação do faturamento advindo de novos e melhorados

produtos em relação à receita líquida total em 5,97%, o que provavelmente se deve ao

fato de que empresas com grandes percentuais de recursos humanos ligados

diretamente à produção tendem a ser menos inovadoras em produtos, diminuindo

assim o faturamento em relação a esta.

Quanto à variável relacionada aos recursos humanos investidos em P&D

(X2INRHPD), é estatisticamente significante e causa o maior impacto entre as variáveis

estudadas, sendo que quando a variável sofre uma variação incremental o percentual

de faturamento advindo de novos e melhorados produtos aumenta sobre a receita

líquida total de aproximadamente 40,05%, o que se explica pelo fato de que alocar mais

198

pessoas em pesquisa e desenvolvimento amplia a capacidade de geração de novos e

melhorados produtos, aumentando a participação destes itens na receita da empresa.

O apoio governamental (X2APOGOV) também é estatisticamente significativo

para a indústria do estado e causa um impacto positivo, aumentando em

aproximadamente 5,87% o faturamento advindo de novos e melhorados produtos sobre

a receita líquida total das atividades. Isto se explica devido ao fato de que estes

recursos estimulam a empresa a realizar pesquisa e desenvolvimento, gerando

inovações em produtos e por sua vez aumentando o percentual desta variável.

A variável relativa às fontes ligadas ao mercado é estatisticamente significativa

para a indústria do estado, sendo que a atribuição de importância a estes tipos de

fontes causa uma diminuição no faturamento advindo de novos e melhorados produtos

em 4,04%,

Já as fontes acadêmicas também são estatisticamente significantes, sendo que a

atribuição de importância a estas fontes também tem impacto positivo, aumentando a

participação do faturamento advindo de novos e melhorados produtos com relação à

receita líquida das atividades de aproximadamente 5,69%

A variável relativa às outras fontes também apresentou significância, mostrando

que a atribuição de importância aumenta o faturamento advindo de novos e melhorados

produtos em 4,83%.

Quanto à análise setorial, os resultados mostraram que a variável X1TAM,

relativa ao total de pessoal ocupado pelas empresas é estatisticamente significativa no

setor de Equipamentos médicos, onde uma variação de uma unidade causa um

aumento no percentual de faturamento advindo de novos e melhorados produtos e nos

setores de Edição e impressão, Minerais não metálicos, Produtos metálicos, Máquinas

199

e equipamentos e Eletrônicos e comunicações onde causa decréscimo na variável

dependente caso varie de uma unidade.

Com respeito à variável X1EXPO, o fato da empresa ser exportadora causa um

impacto positivo no percentual de faturamento advindo de novos e melhorados produtos

quando se trata do setor de Máquinas e equipamentos e um impacto negativo quando

se considera os setores de Edição e impressão e Equipamentos médicos, setores onde

houve significância estatística para a variável.

A variável X1ORCAP, relativa à origem do capital controlador, é estatisticamente

significativa apenas nos setores de Edição e impressão e de Borracha e plásticos, onde

o fato da empresa ter capital de origem estrangeira aumenta a parcela de faturamento

advindo de novos e melhorados produtos com respeito à receita líquida total das

atividades.

Já a variável relativa ao salário médio, X1SALMED, é estatisticamente

significativa nos setores de Outras indústrias, onde uma variação de uma unidade na

variável causa um aumento no percentual de faturamento advindo de novos e

melhorados produtos e também nos setores de Produtos químicos e Máquinas e

equipamentos onde causa um impacto negativo, diminuindo o faturamento provindo

destas fontes.

A variável GRUPO apresenta significância estatística no setor de Equipamentos de

comunicação, onde o fato de a empresa pertencer a um grupo empresarial aumenta a

participação do faturamento advindo de novos e melhorados produtos em relação à

receita líquida total das atividades e também nos setores de Edição e impressão,

Produtos metálicos, Máquinas e equipamentos e Material elétrico onde a presença

desta característica causa uma diminuição da receita provinda destas fontes.

200

15. Alimentos e bebidas 17. Produtos Têxteis 19. Artefatos de couro


B

t Significância

B

t Significância

B

t Significância

X1TAM 2,07868 0,4566 0,6488 -0,14767 0,4566 0,6488 -4,969 -0,4354 0,6659 X1EXPO -4,83559 -0,8855 0,3778 -1,45796 -0,8855 0,3778 1,102507 0,1195 0,9056

X1ORCAP -0,77106 -0,1127 0,9105 -35,8208 -0,1127 0,9105 X1SALMED -3,13349 -0,5733 0,5676 -18,751 -0,5733 0,5676 -69,2306 -0,4524 0,6537 X1IDADE 0,45505 3,0143 0,0032** 0,006193 3,0143 0,0032** -0,16981 -2,1198 0,0410*

RHLIPROD 60,54022 3,7831 0,0003** 76,23658 3,7831 0,0003** -210,816 -0,6661 0,5097 GRUPO -13,8216 -2,8319 0,0055** 1,552701 -2,8319 0,0055** -6,40893 -0,2746 0,7852

X2INVFPD -29,65 -2,9998 0,0033** -169,15 -2,9998 0,0033** -2,3E+08 -3,6862 0,8868** X2INRHPD 147,0561 3,8580 0,0002** 110,6353 3,8580 0,0002** -218,439 1,2303 0,2266 X2LABPD -11,006 -2,2527 0,0262* -7,1265 -2,2527 0,0262* 15,73689 1,5785 0,1233

X2COOPPD -6,67532 -1,2440 0,2161 -13,1967 -1,2440 0,2161 20,81133 -2,2491 0,0308* X2APOGOV 19,69664 3,3594 0,0011** -35,6833 3,3594 0,0011** -48,0137 -0,8641 0,3933

X2FIINT -17,9257 -2,6122 0,0102* -17,9344 -2,6122 0,0102* -10,8924 -1,3087 0,1990 X2FILGM 7,977606 1,2634 0,2091 20,13119 1,2634 0,2091 -51,1783 0,6380 0,5275 X2FIINST 5,763946 1,0898 0,2782 8,253274 1,0898 0,2782 7,88188 -1,0311 0,3094

X2FIOFON 10,78772 1,8373 0,0688 -1,83897 1,8373 0,0688 -15,4709 3,1941 0,0029** INOVMERC -4,16502 -0,9082 0,3657 -11,6501 -0,9082 0,3657 27,73271 3,6731 0,0008**

AMPVAR 9,230778 0,6124 0,5415 -12,7195 0,6124 0,5415 REDVAR 6,605153 0,3436 0,7318 -7,17944 0,3436 0,7318 46,38333 0,1195 0,9056

R R² R² ajustado R R² R² ajustado R R² R² ajustado 0,6529 0,4263 0,3287 0,7847 0,6157 0,5531 0,8179 0,6689 0,5111

* Significante a 5% ** Significante a 1%

Erro padrão: 22,6180 Erro padrão: 19,3511 Erro padrão: 19,3511 Tabela 48 – Faturamento advindo de novos e melhorados produtos nos setores de Alimentos e bebidas, Produtos têxteis e Artefatos de couro.

201

22. Edição e Impressão 24. Produtos Químicos 25. Borracha e plásticos Variáveis

Explicativas

B

t Significância

B

t Significância

B

t Significância

X1TAM -17,7684 -2,43127 0,017114* -7,81238 -1,78473 0,075218 -39,2254 -7,4084 0,0000** X1EXPO -35,0409 -3,1546 0,002212** -1,30187 -0,35702 0,721306 4,1940 0,8390 0,4023

X1ORCAP 43,21069 2,595731 0,011092* 6,469559 1,514368 0,130884 15,3510 2,0301 0,0434* X1SALMED 4,222063 0,289556 0,772851 -10,0017 -2,66487 0,008078** 13,0699 1,9681 0,0502 X1IDADE 1,1913 5,910417 6,64E-08** 0,109449 0,904507 0,366383 0,3824 2,5714 0,0107*

RHLIPROD -18,6255 -1,22275 0,224754 16,91517 2,096453 0,036799* 119,6528 7,3292 0,0000** GRUPO -23,9696 -2,31417 0,023034* 1,079074 0,260627 0,794541 -1,1886 -0,2220 0,8245

X2INVFPD -11,9307 -0,05049 0,959765 1,04E+03 2,8796 0,3443* X2INRHPD -37,6098 -2,30601 0,023507* 116,3529 7,666268 1,97E-13** 27,4626 1,1775 0,2401 X2LABPD -24,2406 -1,77422 0,079552 -1,51076 -0,4485 0,654082 -3,0060 -0,6305 0,5290

X2COOPPD -26,579 -2,6838 0,008725** 5,468786 1,629079 0,104245 -1,6392 -0,2935 0,7694 X2APOGOV 1,651897 0,148123 0,882591 18,31491 3,91274 0,000111** 12,8722 1,5501 0,1224

X2FIINT 30,95957 2,954972 0,00403** 2,287837 0,366115 0,714512 31,5808 7,9168 0,0000** X2FILGM 19,01258 1,865415 0,065521 -25,5281 -5,62012 4,05E-08** -27,7888 -5,3141 0,0000** X2FIINST 7,769998 0,851552 0,396819 9,842892 2,955551 0,003344 -20,3844 -5,9677 0,0000**

X2FIOFON 28,82908 3,914363 0,00018** 11,95993 3,521856 0,000488** 17,0145 4,6559 0,0000** INOVMERC 8,384089 1,278919 0,204353 -1,84023 -0,59439 0,552659 -4,4667 -1,1484 0,2519

AMPVAR -19,9697 -1,96757 0,052329 10,77151 1,492877 0,136419 1,7536 0,3048 0,7608 REDVAR -19,3038 -1,36771 0,174954 6,681969 0,871905 0,38389 -35,5864 -4,7196 0,0000**



Erro padrão: 22,1571 Erro padrão: 22,4920 Erro padrão: 22,1571 Tabela 49 – Faturamento advindo de novos e melhorados produtos nos setores de Edição e impressão, Produtos químicos e Borracha e

plásticos.

202

26. Minerais não metálicos 27. Metalurgia Básica 28. Produtos metálicos


B

t Significância

B

t Significância

B

t Significância

X1TAM -16,5760 -2,0817 0,0402* 0,8437 0,0769 0,9390 -13,8776 -2,7577 0,0063** X1EXPO 0,7176 0,0830 0,9341 -12,2844 -1,5521 0,1273 -1,4739 -0,3747 0,7082

X1ORCAP -1,1850 -0,0917 0,9271 7,2340 0,5550 0,5815 11,7265 1,6275 0,1050 X1SALMED 4,0894 0,3391 0,7353 15,3657 1,0489 0,2995 -9,0338 -1,7472 0,0819 X1IDADE 0,3170 1,5415 0,1267 -0,0361 -0,1127 0,9108 -0,1143 -0,9369 0,3497

RHLIPROD 75,4889 3,3826 0,0011** 16,0341 0,5584 0,5792 -4,5480 -0,3206 0,7488 GRUPO -6,2012 -0,8858 0,3781 -5,7689 -0,5999 0,5514 -11,1194 -2,5754 0,0106*

X2INVFPD 266,7624 1,0269 0,3072 -93,0434 -0,0370 0,9707 2,12E+03 0,7939 0,4281 X2INRHPD -165,2527 -1,5418 0,1266 -63,5919 -0,9650 0,3394 -31,9800 -1,1949 0,2333 X2LABPD -1,0646 -0,1338 0,8939 -9,6514 -1,1016 0,0276* 2,1991 0,4670 0,6409

X2COOPPD -5,5191 -0,6000 0,5500 -13,8607 -1,4097 0,1652 11,1820 2,6328 0,0090** X2APOGOV -16,1998 -1,5333 0,1287 20,6992 1,0703 0,2899 -6,7531 -1,2996 0,1950

X2FIINT 11,8993 1,9847 0,0502 2,2640 0,2537 0,8008 19,4990 4,3729 0,0000** X2FILGM 9,6926 0,8413 0,4024 3,4078 0,3207 0,7499 -3,6272 -0,6705 0,5032 X2FIINST 20,0017 2,3668 0,0201* 10,0897 1,3050 0,1982 13,3467 3,5808 0,0004**

X2FIOFON 12,0957 1,9974 0,0488* 5,3273 0,5751 0,5680 -4,8289 -1,3754 0,1703 INOVMERC 11,1008 1,6816 0,0961 4,8823 0,6012 0,5506 11,9843 3,8279 0,0002**

AMPVAR -34,6377 -2,9662 0,0039** 5,3724 0,4888 0,6272 -5,3572 -0,8372 0,4033 REDVAR -7,5574 -0,4690 0,6402 8,1468 0,3894 0,6987 -2,0922 -0,2686 0,7885

R R² R² ajustado R R² R² ajustado R R² R² ajustado 0,7278 0,5296 0,4302 0,5042 0,2542 -0,0444 0,4832 0,2335 0,1719


Erro padrão: 21,1858 Erro padrão: 22,8880 Erro padrão: 21,1485 Tabela 50 – Faturamento advindo de novos e melhorados produtos nos setores de Minerais não metálicos, metalurgia básica e Produtos metálicos.

203

29. Máquinas e equipamentos 31. Material elétrico 32. Eletrônicos e comunicações Variáveis

Explicativas

B

t Significância

B

t Significância

B

t Significância

X1TAM -10,8203 -2,9446 0,0034** -3,5626 -0,5756 0,5657 20,0191 2,9241 0,0043** X1EXPO 11,1950 3,1716 0,0016** 5,5419 0,9993 0,3192 -7,5825 -1,2182 0,2260

X1ORCAP 6,9489 1,4270 0,1541 -4,6854 -0,5592 0,5768 -25,0154 -3,3112 0,0013 X1SALMED -15,1670 -3,4937 0,0005** 3,9951 0,4831 0,6297 -4,8958 -0,5358 0,5933 X1IDADE 0,0924 1,0783 0,2814 -0,5069 -3,4641 0,0007** -0,5920 -2,2365 0,0275*

RHLIPROD -25,7435 -3,2641 0,0012** -4,5231 -0,3448 0,7307 -11,9317 -0,8727 0,3849 GRUPO -15,6461 -4,2143 0,0000** -14,0264 -2,6521 0,0088** 15,9124 2,7834 0,0064**

X2INVFPD -70,1422 -0,9301 0,3527 69,7615 2,1086 0,0366* -4,56E+02 -3,1171 0,0024** X2INRHPD 62,3873 5,5106 0,0000** -31,1380 -1,2113 0,2276 116,4623 4,3580 0,0000** X2LABPD -0,2507 -0,0702 0,9441 12,9664 2,3939 0,0179* -12,1876 -1,6925 0,0936

X2COOPPD 6,5993 1,7556 0,0797 3,5116 0,5613 0,5754 15,6364 1,9220 0,0574 X2APOGOV 0,7131 0,1363 0,8916 7,7833 0,9705 0,3333 -2,0165 -0,3072 0,7593

X2FIINT -10,6090 -2,9480 0,0033* -17,9191 -2,8860 0,0045** 17,7259 1,3726 0,1729 X2FILGM 4,3671 1,0637 0,2879 5,7591 0,7640 0,4460 23,7933 3,0385 0,0030** X2FIINST 5,2154 1,6958 0,0905 6,8072 1,3382 0,1828 3,9857 0,7976 0,4270

X2FIOFON 3,0860 0,9112 0,3626 7,9527 1,4032 0,1625 1,8842 0,3091 0,7579 INOVMERC -3,6135 -1,3623 0,1737 2,5972 0,6237 0,5338 9,5737 1,5059 0,1352

AMPVAR -33,8526 -8,3145 0,0000** 26,1902 2,6727 0,0083** 3,3491 0,3138 0,7543 REDVAR -21,7483 -4,3036 0,0000** 38,7176 3,6278 0,0004** -8,7330 -0,5558 0,5796



Erro padrão: 28,4302 Erro padrão: 23,5378 Erro padrão: 17,8377 Tabela 51 – Faturamento advindo de novos e melhorados produtos nos setores de Máquinas e equipamentos, Material elétrico e Eletrônicos e

comunicações.

204

33. Equipamentos Médicos 34. Veículos Automotores 39. Outras indústrias Variáveis

Explicativas

B

t Significância

B

t Significância

B

t Significância

X1TAM 24,8427 2,8523 0,0051** 5,2174 0,5241 0,6017 -0,0010 -0,0001 0,9999 X1EXPO -17,4358 -2,3713 0,0192* 9,8457 1,0209 0,3105 -0,6024 -0,1084 0,9138

X1ORCAP 2,1952 0,1209 0,9040 8,7978 0,7722 0,4424 -7,6004 -0,6429 0,5209 X1SALMED -14,3572 -1,5960 0,1130 18,9080 1,4668 0,1465 12,7450 2,5145 0,0126* X1IDADE -0,2848 -1,5417 0,1256 -0,5639 -2,2141 0,0298 -0,4364 -2,6036 0,0098**

RHLIPROD -51,4692 -3,9066 0,0002** -7,1734 -0,2031 0,8396 88,3077 3,9346 0,0001** GRUPO 8,4819 0,8075 0,4209 10,9423 0,9495 0,3454 -3,9582 -0,7041 0,4821

X2INVFPD 281,1876 1,8707 0,0637 -344,0075 -0,8046 0,4236 -11,18 -2,4601 0,0146* X2INRHPD 66,1337 2,8858 0,0046** 127,9854 1,9844 0,0508 -16,6683 -1,2401 0,2161 X2LABPD -15,5903 -2,7669 0,0065** -21,9852 -2,0971 0,0393* -5,1239 -0,7898 0,4304

X2COOPPD 8,8746 0,9436 0,3471 -5,2567 -0,7685 0,4445 -6,8110 -1,0341 0,3021 X2APOGOV -0,0380 -0,0039 0,9969 18,2256 1,4601 0,1484 -25,8212 -3,6425 0,0003**

X2FIINT 13,4628 1,6978 0,0920 -23,0985 -2,2028 0,0306* 4,5696 0,9260 0,3554 X2FILGM -21,3688 -2,3136 0,0223* 9,1503 0,6879 0,4936 34,4989 6,7105 0,0000** X2FIINST 0,2373 0,0413 0,9671 1,1248 0,1059 0,9159 12,1948 2,6794 0,0079*

X2FIOFON 25,4873 2,9212 0,0041** -7,6969 -0,8260 0,4114 4,8102 1,0905 0,2766 INOVMERC 15,1227 3,1821 0,0018** -8,6609 -1,1125 0,2694 -4,6856 -1,2087 0,2280

AMPVAR -10,0589 -1,1296 0,2607 15,6852 1,0557 0,2944 21,9057 2,1434 0,0331* REDVAR -2,4034 -0,2201 0,8261 15,1568 0,8681 0,3880 34,7035 2,9094 0,0040**



Erro padrão: 22,1422 Erro padrão: 25,9704 Erro padrão: 22,8319 Tabela 52 – Faturamento advindo de novos e melhorados produtos nos setores de Equipamentos Médicos, Veículos automotores e Outras

indústras.

205

Quanto à variável que exprime o percentual de pessoal ocupado ligado

diretamente à produção, apresenta significância estatística nos setores de Alimentos e

bebidas, Produtos têxteis, Produtos químicos, Borracha e plásticos, Minerais não

metálicos e Outras indústrias, onde um aumento de uma unidade na variável causa um

acréscimo no percentual de faturamento advindo de novos e melhorados produtos, e

dos setores de Máquinas e equipamentos e Equipamentos médicos onde causa um

decréscimo.

A idade da empresa (X1IDADE), por sua vez, apresenta significância estatística

nos setores de Alimentos e bebidas, Produtos têxteis, Edição e impressão e Borracha e

plásticos, onde um aumento de um ano também aumenta o faturamento advindo de

novos e melhorados produtos em relação à receita líquida total das atividades.

Entretanto também é significativa nos setores de Artefatos de Couro, Material elétrico,

Equipamentos de comunicação e Outras indústrias onde causa uma diminuição neste

tipo de faturamento causa sofra variação positiva de uma unidade.

Quanto a variável que exprime os recursos financeiros alocados em P&D

(X2INVFPD), é estatisticamente significante no setor de Material elétrico, onde um

aumento de uma unidade na variável causa um aumento no percentual de faturamento

advindo de novos e melhorados produtos e nos setores de Alimentos e bebidas,

Produtos Têxteis e Outras indústrias, onde este impacto é negativo, reduzindo a

variável dependente.

Já a variável relativa a recursos humanos alocados em P&D (X2INRHPD)

apresenta significância estatística nos setores de Alimentos e bebidas, Produtos têxteis,

Produtos químicos, Máquinas e equipamentos, Eletrônicos e comunicações e

Equipamentos médicos, causando aumento na participação do faturamento advindo de

206

novos e melhorados produtos com respeito à receita líquida total das atividades caso

varie positivamente em uma unidade e no setor de Edição e impressão, onde esta

variação causa uma diminuição no percentual deste tipo de faturamento.

A presença de laboratório ou departamento específico de P&D, representada

pela variável X2LABPD é estatisticamente significativa nos setores de Material elétrico e

Eletrônicos e comunicações, onde apresentar esta característica aumenta o percentual

relativo ao faturamento advindo de novos e melhorados produtos e nos setores de

Alimentos e bebidas, Produtos têxteis, Metalurgia básica, Equipamentos médicos e

Veículos automotores em que a presença destes locais causa uma diminuição na

parcela de receita líquida total correspondente a este tipo de faturamento.

Com relação a variável X2COOPPD, relativa à realização de cooperação em

pesquisa e desenvolvimento, apresentaram significância estatística os setores de

Artefatos de couro e Produtos químicos, onde a realização deste tipo de cooperação

aumenta o faturamento advindo de novos e melhorados produtos em relação à receita

líquida total das atividades. Já no setor de Edição e impressão, onde também é

significativa a cooperação em P&D diminui a o percentual deste faturamento.

O apoio governamental, representado pela variável X2APOGOV, é

estatisticamente significante para os setores de Alimentos e bebidas e Produtos

químicos, onde receber este tipo de apoio aumenta o percentual de faturamento

advindo de novos e melhorados produtos e nos setores de Produtos têxteis e Outras

indústrias, onde receber apoio do governo causa uma diminuição deste percentual.

Quanto à atribuição de importância às fontes de informação internas para as

atividades de inovação, houve significância estatística para os setores de Edição e

impressão, Borracha e plásticos e Produtos metálicos, onde a atribuir importância à

207

estas fontes aumenta a participação do faturamento advindo de novos e melhorados

produtos em relação à receita líquida das atividades, já nos setores de Alimentos e

bebidas, Produtos têxteis, Material elétrico e Veículos automotores, atribuir importância

a este tipo de fontes de informação causa diminuição na variável dependente.

A variável X2FLIGM é significante estatisticamente para os setores de

Equipamentos de comunicação e Outras indústrias, onde atribuir importância às fontes

ligadas ao mercado causa um aumento no percentual referente ao faturamento advindo

de novos e melhorados produtos. Já nos setores de Produtos químicos e Borracha e

plásticos em que também é significante, a atribuição de importância a estas fontes

causa diminuição neste tipo de faturamento em relação à receita líquida total das

atividades.

As fontes acadêmicas (X2FINST) apresentaram significância estatística nos

setores de Minerais não metálicos, Produtos metálicos e Outras indústrias, onde a

atribuição de importância a estes tipos de fontes aumenta o percentual relativo ao

faturamento advindo de novos e melhorados produtos, e no setor de Borracha e

Plásticos, onde este percentual diminui mediante a atribuição de importância a estas

fontes.

Já a variável X2FIOFON é estatisticamente significativa para os setores de

Artefatos de couro, onde a atribuição de importância aumenta a participação de

faturamento advindo de novos e melhorados produtos frente à receita líquida total das

atividades e nos setores de Edição e impressão, Produtos químicos, Minerais não

metálicos e Equipamentos médicos, onde a atribuição de importância a estas fontes

diminui este percentual.

208

Entre as variáveis presentes apenas no modelo de regressão linear múltipla, a

variável INOVMERC, relativa a introdução de produto novo ou significativamente

melhorado não só para a empresa, mas também para o mercado é estatisticamente

significativa apenas para os setores de Artefatos de couro, Produtos metálicos e

Equipamentos médicos, onde a ocorrência deste tipo de inovação aumenta a

participação do faturamento advindo de novos e melhorados produtos com relação à

receita líquida total.

Já a variável referente à ampliação da variedade de produtos oferecidos pela

empresa (AMPVAR) é estatisticamente significativa nos setores de Material e Outras

indústrias, onde aumentar a variedade de produtos se reflete em um aumento na

participação do faturamento advindo de novos e melhorados produtos em relação à

receita líquida total das atividades, enquanto nos setores de Minerais não metálicos e

no de Máquinas e equipamentos, o aumento da variedade de produtos diminui esta

participação.

A última variável estudada é a referente a redução da variedade de produtos

oferecidos pela indústria, sendo estatisticamente significante para os setores de

Material elétrico e Outras indústrias, onde esta diminuição impacta positivamente a

variável dependente

Entretanto, a variável também é estatisticamente significativa nos setores de

Borracha e plásticos e Máquinas e equipamentos onde esta redução de variedade

causa uma diminuição da participação do faturamento advindo de novos e melhorados

produtos frente à receita líquida total das atividades da empresa.

209

4.2.5. INOVAÇÃO EM PRODUTOS PARA O MERCADO

A tabela 34 apresenta os resultados encontrados para a inovação tecnológica em

produtos para o mercado, sendo que as variáveis com significância estatística para a

indústria do estado serão discutidas a seguir.

A primeira variável estatisticamente significativa é a orientação exportadora

(X1ORCAP), cujos efeitos marginais mostram que empresas exportadoras possuem

1,4835 vezes a probabilidade de inovação das empresas não exportadoras, o que

pode ser explicado pelo fato de que a empresa que atua no mercado externo encontra

um ambiente comercial mais competitivo que a estimula a realizar inovações

tecnológicas.

A variável X2INVFPD, que representa os investimentos financeiros alocados em

P&D, também é significativa para a inovação em produtos para o mercado, quando se

considera a indústria do estado de maneira agregada, sendo que seus efeitos marginais

positivos revelam que um incremento na variável aumenta a probabilidade da empresa

inovar em 50,54%, indicando que empresas que investem mais fortemente em P&D

obtém resultados mais expressivos, que permitem a empresa realizar desenvolvimentos

com maior grau de ineditismo, o que se reflete em inovações para o mercado.

Da mesma forma, é possível observar que os recursos humanos alocados em

pesquisa e desenvolvimento também apresentam significância estatística para a

indústria do estado e uma variação marginal na variável causa um aumento de 32,71%

na probabilidade de inovação para o mercado, reafirmando a tendência de que este tipo

210

de inovação tecnológica demanda maiores investimentos em pesquisa e

desenvolvimento para que possa acontecer.


Explicativas B


B


X1TAM -0,0532 0,1125 0,9366 -1,33%

X1EXPO 0,0564 0,1114 1,0580 5,80%

X1ORCAP 0,4008 0,1672 1,4930 1,4930 0,3944 0,1416 1,4835 1,4835

X1SALMED 0,0302 0,1273 1,1207 0,75%

X1IDADE -0,0005 0,0030 0,9918 -0,01%

GRUPO -0,0426 0,1158 0,9583 -4,17%

RHLIPROD -0,0445 0,2876 0,9565 -4,35%

PRODSERV 0,0731 0,1546 1,0759 7,59%

X2INVFPD 2,0216 8,3465 1,0014 50,54% 1,9960 8,2264 1,0014 49,90%

X2INRHPD 1,3085 0,3727 1,0263 32,71% 1,4130 0,3198 1,0285 35,32%

X2LABPD 0,4301 0,1097 1,5374 1,5374 0,4290 0,0987 1,5357 1,5357

X2COOPPD 0,7626 0,1225 2,1439 2,1439 0,7633 0,1181 2,1454 2,1454

X2APOGOV -0,2456 0,1474 0,7822 -21,78%

X2FIINT 1,0630 0,1300 2,8950 2,8950 1,0519 0,1273 2,8632 2,8632

X2FILGM -0,6286 0,1441 0,5333 0,5333 -0,5902 0,1401 0,5542 0,5542

X2FIINST 0,1116 0,1003 1,1180 11,80%

X2FIOFON -0,2243 0,0984 0,7991 0,7991 -0,2128 0,0942 0,8083 0,8083


Cox & Snell R² 0,154 YINPROD

0 1 % correta

Nagelkerke R² 0,206 0 904 491 64,8


1 425 999 70,16


Tabela 53 – Inovação tecnológica em produtos para o mercado na indústria do estado de São Paulo. Outra variável com significância estatística para a indústria do estado é a

presença de laboratório ou departamento específico de P&D, cujos efeitos marginais

revelam que empresas que possuem este tipo de infra-estrutura possuem probabilidade

igual a 1,5357 vezes a probabilidade de inovar para o mercado das empresas que não

211

possuem, indicando que ao possuir este tipo de local a empresa tem condições

melhores da realização de pesquisas com caráter inédito, o que por sua vez se

converte em produtos inovadores, não só para a empresa, mas também para o

mercado.

A cooperação em pesquisa e desenvolvimento também é significante

estatisticamente para a indústria do estado, revelando que empresas que realizaram

cooperação em P&D tem probabilidade de inovar para o mercado igual a 2,1454 vezes

a probabilidade de inovar de empresas que não realizaram, o que possivelmente se

explica pela maior quantidade de recursos que podem ser investidos em pesquisa

quando se atua cooperando com outra organização e pela ampliação da equipe de

especialistas envolvida no projeto, bem como pelo perfil técnico destes especialistas.

Assim as empresas por meio da cooperação têm acesso à infra-estrutura de

laboratórios e de pessoal que não dispõem internamente para a realização dos seus

projetos tecnológicos.

Quanto às fontes de informação, é possível perceber que empresas que

atribuíram importância às fontes de informação internas, possuem 2,8632 vezes a

probabilidade de inovação em produtos para o mercado das empresas que não

atribuíram importância ao conhecimento provindo destas fontes, possivelmente

reforçando a importância do P&D interno para desenvolver produtos que sejam novos

para o mercado, o pode refletir a valorização da capacitação em P&D da empresa.

Outra fonte de informação com significância estatística para a indústria do estado

são as ligadas ao mercado (X2FILGM), cujos efeitos marginais revelem que empresas

que atribuíram importância ao conhecimento provindo destas fontes possuem

probabilidade de inovação para o mercado igual a 0,5333 vezes a probabilidade de

212

empresas que não atribuíram, revelando possivelmente que o conhecimento provindo

das fontes de mercado não seja útil no caso da introdução de produtos que sejam

completamente novos ou talvez que as empresas busquem reduzir uma dependência

de fontes ligadas ao mercado para definir sua estratégia tecnológica.

A última variável X2FIOFON, relativa a atribuição de importância às outras fontes

de informação é a última com significância estatística para a indústria do estado e seus

efeitos marginais revelam que empresas que atribuíram importância à estes tipos de

fontes tem probabilidade de inovação para o mercado igual a 0,8083 vezes a

probabilidade de inovar de empresas que não atribuíram, indicando que o

conhecimento provindo de feiras e eventos, ou mesmo a aquisição de patentes e

licenças não fornece subsídios para que a empresa consiga introduzir produtos que

sejam novos para o mercado. Pode-se dizer que uma vez que os produtos

apresentados em feiras e eventos são de conhecimento do mercado, esta fonte não

contribui para o desenvolvimento de projetos inéditos para o mercado

Quanto à análise setorial, como não foi possível realizar a regressão para

diversos setores, devido ao baixo número de empresas que realizaram inovações para

o mercado, serão apresentados comentários baseando-se nos dados do quadro 11 que

traz uma síntese sobre os impactos das variáveis explicativas na probabilidade de

inovação para o mercado.

Inovação de produtos para o mercado Setores

Impacto positivo Impacto negativo

Indústria extrativa - -

Alimentos e bebidas X2FIINT -

213

Produtos têxteis X1SALMED, GRUPO, X1EXPO X1TAM, PRODSERV, X2COOPPD

Vestuários e acessórios - -

Artefatos de couro - -

Celulose e papel - -

Edição e impressão X1TAM, X1SALMED X1IDADE, GRUPO, RHLIPROD, PRODSERV

Refino de petróleo - -

Produtos químicos X1ORCAP, X1LABPD, X1COOPPD X1SALMED, X1APOGOV

Borracha e plásticos - -

Minerais não metálicos X1EXPO, X2FIINST X1IDADE, RHLIPROD

Metalurgia básica X1ORCAP X2LABPD

Produtos metálicos X1COOPPD X1FILGM

Máquinas e equipamentos

RHLIPROD, PRODSERV, X2INVRHPD, X2COOPPD, X2FIINT X1IDADE, GRUPO, X2APOGOV

Material elétrico X1ORCAP, X2INRHPD, X2COOPPD -

Eletrônico e comunicações GRUPO -

Equipamentos médicos X2INRHPD, X2FIOFON X1SALMED, RHLIPROD, X2FILGM

Veículos automotores X1TAM, X2INRHPD, X2FIINT X2FIINST

Outros equip. de transporte - -

Outras indústrias GRUPO, RHLIPROD, X2FIINT, X2FIOFON, X2FIINST X2FILGM

Quadro 7. Variáveis estatisticamente significativas para explicar a inovação tecnológica para o mercado nas indústrias do estado.

A análise setorial da inovação para o mercado revela que a variável X1TAM é

estatisticamente significativa para os setores de Edição e impressão e de Veículos

214

automotores onde causa impacto positivo na probabilidade de inovação em produtos

para o mercado e no setor de produtos têxteis onde causa impacto negativo.

Quanto à variável relativa à origem do capital controlador (X1ORCAP), a

significância estatística acontece nos setores de Metalurgia básica, de Produtos

químicos de Material elétrico onde causa impacto positivo na probabilidade de inovação

para o mercado.

Já a variável X1EXPO, é estatisticamente significativa para os setores de

Produtos têxteis e Minerais não metálicos, onde aumenta a probabilidade de inovação

tecnológica para o mercado.

A média salarial, representada pela variável X1SALMED, é significativa para o

setor de Produtos têxteis, onde causa impactos positivos na probabilidade de inovação

para o mercado e nos setores de Produtos químicos e Equipamentos médicos, onde

impacte negativamente esta probabilidade.

A variável GRUPO é estatisticamente significativa para os setores de Produtos

têxteis, de Eletrônicos e comunicações e Outras indústrias onde causa impacto positivo

na probabilidade de inovação para o mercado e também nos setores de Edição e

impressão e Máquinas e equipamentos onde causa impacto negativo.

Quanto a variável RHLIPROD, ocorre significância estatística nos setores de

Máquinas e equipamentos e Outras indústrias, onde aumenta a probabilidade de

inovação para o mercado mediante uma variação marginal e nos setores de Edição e

impressão, Minerais não metálicos e Equipamentos médicos onde causa diminuição

nesta probabilidade.

Com respeito à variável PRODSERV, é significativa no setor de Maquinas e

equipamentos onde aumenta a probabilidade de inovação para o mercado quando

215

assume valor igual a um e também nos setores de Produtos têxteis e Edição e

impressão onde diminui esta probabilidade.

Os recursos financeiros alocados em P&D (X2INVFPD), não apresentam

significância estatística em nenhum setor estudado, entretanto, os recursos humanos

alocados em P&D apresentam significância nos setores de Máquinas e equipamentos,

Material elétrico, Equipamentos médicos e Veículos automotores, causando impacto

positivo na probabilidade de inovar para o mercado frente a uma variação marginal.

A presença de laboratório ou departamento específico de P&D é estatisticamente

significativa para o setor de Produtos químicos, onde aumenta a probabilidade de

inovação para o mercado quando assume valor igual a um e no setor de metalurgia

básica onde diminui esta probabilidade.

A variável X2APOGOV apresenta significância estatística nos setores de

Máquinas e equipamentos e Produtos químicos onde tem impacto negativo na

probabilidade de inovação tecnológica de produtos para o mercado.

Já a cooperação em P&D, é significativa nos setores de Máquinas e

equipamentos, Produtos químicos e Material elétrico onde aumenta a probabilidade de

inovação para o mercado e no setor de Produtos têxteis onde diminui esta

probabilidade.

Com relação às Fontes de informação internas, houve significância estatística no

setor de Alimentos e bebidas, Máquinas e equipamentos, Veículos automotores e

Outras indústrias onde a atribuição de importância impacta positivamente a

probabilidade de inovação tecnológica de produtos para o mercado.

As fontes de informação ligadas ao mercado são significantes para os setores de

Equipamentos médicos e Outras indústrias, onde a atribuição de importância ao

216

conhecimento provindo destas fontes diminui a probabilidade de inovação para o

mercado.

As fontes acadêmicas são significantes para os setores de Minerais não

metálicos e Outras indústrias, aumentando a probabilidade de inovação quando são

consideradas importantes e no setor de Veículos automotores onde diminui esta

probabilidade.

A última variável analisada é a relativa à atribuição de importância às outras

fontes de informação, que é significativa para os setores de Equipamentos médicos e

de Outras indústrias onde aumentam a probabilidade de inovação para o mercado

quando são consideradas importantes.

4.3. VERIFICAÇÃO DAS HIPÓTESES DE PESQUISA

Esta seção tem por objetivo verificar as hipóteses formuladas no capítulo sobre

metodologia, desta forma, serão apresentados abaixo os respectivos estratos onde as

hipóteses podem ser aprovadas.

H1: Existe correlação significativa entre investimento financeiro alocado em P&D e

inovação tecnológica em produtos;

Resultado: Não foi aceita em nenhum setor nem na indústria como um todo.

217


inovação tecnológica em processos;

Resultado: Aceita nos setores de Produtos metálicos, Máquinas e equipamentos e

Equipamentos médicos.

H3: Existe correlação significativa entre investimento de recursos humanos alocados em

P&D e inovação tecnológica em produtos;

Resultado: Aceita para a indústria do estado e nos setores de Alimentos e bebidas,

Metalurgia básica, Produtos metálicos e Veículos automotores.

H4: Existe correlação significativa entre investimento de recursos humanos alocados em

P&D e inovação tecnológica em processos;

Resultado: Aceita nos setores de Alimentos e bebidas, Produtos têxteis, Artefatos de

Couro e Minerais não metálicos.

H5: Existe correlação significativa entre atribuição de importância às fontes internas e

inovação tecnológica em produtos;

Resultado: Aceita para a indústria do estado e nos setores de Vestuário e acessórios,

Celulose e papel, Edição e impressão, Produtos químicos, Produtos metálicos,

Máquinas e equipamentos, Material elétrico, Eletrônicos e comunicações,

Equipamentos médicos e Veículos automotores.

H6: Existe correlação significativa entre atribuição de importância às fontes internas e


Resultado: Aceita para indústria do estado e para os setores de Alimentos e bebidas,

produtos têxteis, Vestuário e acessórios, Celulose e Papel, Edição e impressão,

218

Produtos químicos, Borracha e plásticos, Metalurgia Básica, Produtos metálicos,

Máquinas e equipamentos, Material elétrico, Equipamentos médicos e Outras

indústrias.

H7: Existe correlação significativa entre atribuição de importância às fontes ligadas ao

mercado e inovação tecnológica em produtos;

Resultado: Aceita para a indústria do estado e para os setores de Celulose e Papel,

Edição e impressão, Borracha e plásticos, Minerais não metálicos, Metalurgia básica,

Produtos metálicos, Máquinas e equipamentos, Material elétrico e Veículos

automotivos.

H8: Existe correlação significativa entre atribuição de importância às fontes ligadas ao

mercado e inovação tecnológica em processos;

Resultado: Aceita para a indústria do estado e para os setores de Alimentos e bebidas,

Produtos têxteis, Produtos químicos, Borracha e plásticos, Metalurgia básica, Produtos

metálicos, Máquinas e equipamentos, Material elétrico, Equipamentos médicos,

Veículos automotores e Outras indústrias.

H9: Existe correlação significativa entre atribuição de importância às fontes acadêmicas

e inovação tecnológica em produtos;

Resultado: Aceita para a indústria do estado e para os setores de Produtos têxteis,

Vestuário e acessórios, Produtos químicos, Produtos metálicos, Materiais elétricos,

Eletrônicos e comunicações, Equipamentos médicos e Veículos automotores.

H10: Existe correlação significativa entre atribuição de importância às fontes acadêmicas

e inovação tecnológica em processos;

219


Produtos químicos, Borracha e plásticos, Produtos metálicos, Materiais elétricos e

Veículos automotores.

H11: Existe correlação significativa entre atribuição de importância às outras fontes e


Resultado: Aceita para a indústria do estado e para os setores de Vestuário e

acessórios, Produtos químicos, Borracha e plásticos, Minerais não metálicos, Produtos

metálicos, Máquinas e equipamentos, Eletrônicos e comunicações, Equipamentos

médicos, Veículos automotores e Outras Indústrias.

H12: Existe correlação significativa entre atribuição de importância às outras fontes e



acessórios, Artefatos de couro, Edição e impressão, Produtos químicos, Borracha e

plásticos, Produtos metálicos e Máquinas e equipamentos.

H13: Existe correlação significativa entre a presença de laboratório ou departamento

específico de P&D e inovação tecnológica em produtos;


Máquinas e equipamentos e Eletrônicos e comunicações.


específico de P&D e inovação tecnológica em processos;

220


acessórios, Edição e impressão, Produtos químicos, Metalurgia básica, Máquinas e

equipamentos, Eletrônicos e comunicações, Equipamentos médicos e Outras indústrias.

H15: Existe correlação significativa entre cooperação em P&D e inovação tecnológica

em produtos;


Celulose e papel, Edição e impressão, Metalurgia básica, Máquinas e equipamentos,

Materiais elétricos, Eletrônicos e comunicações, Equipamentos médicos e Veículos

automotores.

H16: Existe correlação significativa entre cooperação em P&D e inovação tecnológica

em processos;


Produtos têxteis, Artefatos de couro, Produtos químicos, Minerais não metálicos,

Metalurgia básica, Produtos metálicos, Máquinas e equipamentos, Materiais elétricos,

Eletrônicos e comunicações, Equipamentos médicos e Veículos automotores.

H17: Existe correlação significativa entre apoio governamental e inovação tecnológica

em produtos;


Vestuário e acessórios, Edição e impressão, Borracha e plásticos, Minerais não

metálicos, Máquinas e equipamentos e Equipamentos médicos

H18: Existe correlação significativa entre apoio governamental e inovação tecnológica

em processos;

221


Produtos químicos, Borracha e plásticos, Máquinas e equipamentos, Materiais elétricos,

e Equipamentos médicos.


específico de P&D e a obtenção de patentes;


Produtos têxteis, Edição e impressão, Máquinas e equipamentos e Equipamentos

médicos.

H20: Existe correlação significativa entre cooperação em P&D e a obtenção de patentes;

Resultado: Não foi aceita em nenhum setor nem na indústria como um todo.

H21: Existe correlação significativa entre apoio governamental e a obtenção de

patentes;

Resultado: Aceita para a os setores de Produtos metálicos e Máquinas e

equipamentos.


faturamento advindo de novos e melhorados produtos;

Resultado: Aceita para a os setores de Alimentos e bebidas, Materiais elétricos,

Eletrônicos e comunicações e Outras indústrias.

H23: Existe correlação significativa entre investimento de recursos humanos alocados

em P&D e faturamento advindo de novos e melhorados produtos;

222


Edição e impressão, Produtos químicos, Máquinas e equipamentos, Eletrônicos e

comunicações e Equipamentos médicos.

X1TAM, X1EXPO, X1SALMED, RHLIPROD,

PRODSERV, X2INRHPD, X2LABPD, X2COOPPD, X2APOGOV, X2FIINT,

X2FILGM, X2FIINST, X2FIOFON

X1EXPO, X1SALMED, X1IDADE,

RHLIPROD, PRODSERV, X2LABPD, COOPPD, X2APOGOV, X2FIINT, X2FILGM,

X2FIINST, X2FIOFON

X1TAM, X1EXPO, X1ORCAP, X1SALMED, RHLIPROD, PRODSERV, X2LABPD,

X2FIINT, X2FILGM, X2FIOFON

X1ORCAP, X1SALMED, GRUPO, RHLIPROD, X2INRHPD, X2APOGOV,

X2FINST, X2FILGM, X2FIOFON

INOVAÇÃO

EM PRODUTOS

INOVAÇÃO

EM PROCESSOS

OBTENÇÃO

DE PATENTES

OBTENÇÃO DE FATURAMENTO ADVINDO

DE NOVOS E MELHORADOS PRODUTOS

Correlação significativa

Figura 16: Variáveis significativas para explicar inovação de produtos, processos, obtenção de patentes e de faturamento advindo de novos e melhorados produtos na indústria do estado.

223

A figura 16 apresenta uma síntese das variáveis significativas para

explicar as variáveis dependentes deste estudo, ou seja, a inovação tecnológica

em produtos, a inovação tecnológica em processos, a obtenção de patentes e o

faturamento advindo de novos e melhorados produtos.

224

5. CONSIDERAÇÕES FINAIS E CONTRIBUIÇÕES DA PESQUISA

Os estudos referentes à inovação tecnológica são de grande relevância devido

importância do papel que este fenômeno exerce nas empresas, nas regiões e mesmo

em países.

No Brasil, os estudos relativos a este tema, embora sejam de grande valor, ainda

são em baixo número se comparados aos estudos produzidos nos países

desenvolvidos. Motivado por este contexto, este trabalho procurou analisar o tema,

escolhendo como objeto as indústrias do Estado de São Paulo devido à sua

importância econômica para o país.

Os resultados encontrados mostram que a descrição da inovação tecnológica

nas indústrias do estado é relativamente complexa, devido ao fato de que inúmeras

variáveis influenciam o fenômeno, porém foi possível aplicar modelos compostos por

algumas variáveis baseadas em indicadores de inovação, muitas já utilizadas na

literatura nacional e internacional que apresentaram resultados satisfatórios ao estudar

o assunto, aliadas a outras variáveis de características empresariais que aumentam o

poder explicativo destes modelos.

De modo geral, o modelo se mostrou adequado para explicar as variáveis

dependentes pesquisadas, porém em alguns setores houveram problemas na sua

aplicação, resultando na não realização da regressão ou na produção de valores

insatisfatórios para a análise, o que se deve ao número insuficiente de informações

para a predição da variável dependente em questão, fato que ocorreu nos setores de

Indústria extrativa, Refino de petróleo, Equipamentos de informática, Outros

225

equipamentos de transporte, além dos setores de Artefatos de couro para a análise de

inovação em produtos, Celulose e Papel para a análise de obtenção de patentes e dos

setores de Vestuários e Acessórios, Artefatos do couro, Celulose e Papel e Borracha e

plásticos para a análise de inovação em produtos para o mercado.

Em alguns casos, os modelos encontraram valores acentuados para os

investimentos em recursos humanos e de recursos financeiros investidos em P&D, isso

se deve à forma construtiva destas variáveis, que representam respectivamente a

parcela de total de pessoal ocupado da empresa que foi alocado em P&D e o

percentual do total da receita líquida das atividades que foi investida em P&D.

Analisando-se os resultados encontrados para a inovação tecnológica em

produtos para a indústria do estado, pode-se concluir que as variáveis que aumentam a

probabilidade deste tipo de inovação são o tamanho da indústria, o fato da empresa ser

exportadora, a idade da empresa o percentual de recursos humanos ligados

diretamente à produção, a presença de laboratório ou departamento específico de P&D,

realização de cooperação em P&D, e a atribuição de importância às fontes de

informação internas, ligadas ao mercado e outras fontes, e as variáveis que diminuem a

probabilidade de inovação em produtos são, o fato da maior parcela do faturamento da

empresa vir da venda de bens industriais, o salário médio, o apoio governamental e

atribuir importância às fontes acadêmicas.

A análise setorial revelou resultados diferentes para cada setor, assim o quadro 8

sintetiza quais variáveis aumentam e quais diminuem a probabilidade de inovação em

produtos da empresa.

226

Inovação em produtos Setores



Alimentos e bebidas tamanho, inv RH P&D, lab. P&D, apoio gov sal.medio

Produtos têxteis tamanho, Grupo, coop P&D, F. mercado sal.medio, idade

Vestuários e acessórios apoio gov, F. internas tamanho, F. acadêmicas, Outras F.

Artefatos de couro - -

Celulose e papel coop P&D, F. acadêmicas, F. mercado -

Edição e impressão

coop P&D, apoio gov, F. internas, F. mercado sal.medio, RH produção, F. acadêmicas


Produtos químicos

tamanho, Or. expo, prod. ou serviços, inv RH P&D, inv RH P&D, F. internas, F.

mercado, Outras F. idade, RH produção

Borracha e plásticos F. mercado, Outras F. prod. ou serviços, apoio gov

Minerais não metálicos apoio gov, F. mercado, Outras F. prod. ou serviços

Metalurgia básica idade, inv RH P&D, coop P&D, F. mercado -

Produtos metálicos

tamanho, sal.medio, RH produção, inv RH P&D, apoio gov, F. internas, F. mercado,

Outras F. idade, F. acadêmicas


idade, prod. ou serviços, coop P&D, F. internas, apoio gov, F. mercado Or. expo, sal.medio, apoio gov, Outras F.

Material elétrico coop P&D, F. internas, F. mercado F. acadêmicas

RH produção, lab. P&D, F. acadêmicas, Outras F.

Eletrônico e comunicações coop P&D, F. internas

Equipamentos médicos

tamanho, inv RH P&D, coop P&D, F. mercado

apoio gov, RH produção, Grupo, idade, F. acadêmicas

Veículos automotores

tamanho, RH produção, inv RH P&D, coop P&D, F. internas, F. mercado sal.medio, F. acadêmicas, Outras F.


Outras indústrias F. internas, F. mercado sal.medio, F. acadêmicas

Quadro 8. Variáveis estatisticamente significativas para explicar a inovação em produtos.

227

Com relação à inovação em processos, pode se concluir que as variáveis qua

aumentam a probabilidade de inovação em processos são: a orientação exportadora, o

salário médio, a idade da empresa, o percentual de recursos humanos ligados à

produção, a presença de laboratório de P&D, o obtenção de apoio governamental para

a inovação, a cooperação em pesquisa e desenvolvimento, e a atribuição de

importância às fontes de informação internas, ligadas ao mercado, acadêmicas e outras

fontes, e a variável que diminui a inovação em processos é o fato da maior parcela do

faturamento da empresa vir da venda de bens industriais.

Como os resultados dos impactos das variáveis variam entre os setores, o

quadro 9 sintetiza os resultados encontrados.

Inovação em processos Setores



Alimentos e bebidas

Or. expo, Or. capital, idade, inv RH P&D, apoio gov, F. internas, F. mercado tamanho, coop P&D

Produtos têxteis idade, RH produção, inv RH P&D, F. internas, X2FILIGM, F. acadêmicas sal.medio, coop P&D,

Vestuários e acessórios tamanho, F. internas, Outras F. RH produção, prod. ou serviços, lab. P&D

Artefatos de couro RH produção, inv RH P&D, Outras F. prod. ou serviços, coop P&D

Celulose e papel F. internas prod. ou serviços

Edição e impressão

RH produção, lab. P&D, F. internas, Outras F. -


Produtos químicos

sal.medio, GRUPO, RH produção, prod. ou serviços, lab. P&D, coop P&D, apoio gov, F. internas, F. mercado, F. acadêmicas

Or. capital, Outras F.

Borracha e plásticos

sal.medio, , apoio gov, F. internas, F. mercado, Outras F. F. acadêmicas

228

Minerais não metálicos

tamanho, RH produção, inv RH P&D, coop P&D, F. internas, X2FILIGM, F.

acadêmicas, Outras F. Or. expo

Metalurgia básica

tamanho, lab. P&D, coop P&D, F. internas, F. mercado prod. ou serviços

Produtos metálicos

Or. expo, idade, RH produção, inv fin P&D, coop P&D, apoio gov, F. internas, F.

mercado, Outras F. tamanho


Or. expo, sal.medio, RH produção, inv RH P&D, lab. P&D, coop P&D, apoio gov, F.

internas, F. mercado, Outras F. Grupo

Material elétrico tamanho, Or. capital, RH produção, coop P&D, apoio gov, F. internas, F. mercado,

Outras F. Grupo, Or. expo, idade, prod. ou serviços

Eletrônico e comunicações Or. expo, lab. P&D F. internas, Outras F.


idade, inv fin P&D, lab. P&D, apoio gov, F. internas, F. mercado tamanho, prod. ou serviços, coop P&D

Veículos automotores Or. capital, F. mercado, F. acadêmicas prod. ou serviços, coop P&D

Outros equip. de transporte

Outras indústrias

Or. capital, Or. expo, idade, RH produção, lab. P&D, F. mercado Grupo, inv. RH. P&D, F. internas

Quadro 9. Variáveis estatisticamente significativas para explicar a inovação em processos.

Para a obtenção de patentes, a análise para a indústria do estado permite

concluir que as variáveis que aumentam a probabilidade de obtenção de patentes são o

tamanho da empresa a orientação exportadora, a origem do capital controlador, o fato

da maior parcela do faturamento da empresa vir da venda de bens industriais, a

presença de laboratório de P&D, e a atribuição de importância às fontes de informação

internas e às outras fontes. Entretanto, as variáveis que diminuem a probabilidade de

obtenção de patentes são: o salário médio, o percentual de recursos humanos ligados

diretamente à produção e a atribuição de importância às fontes de informação ligadas

ao mercado.

229

Da mesma forma que o exposto anteriormente, os resultados encontrados na

análise setorial variam entre os setores, desta forma, o quadro 10 apresenta os

resultados encontrados para os setores industriais estudados:

Obtenção de patentes Setores



Alimentos e bebidas tamanho, inv RH P&D, lab. P&D, Outras F. idade, Grupo

Produtos têxteis tamanho, lab. P&D, F. internas, Outras F. idade, F. acadêmicas

Vestuários e acessórios Or. expo, sal.medio, Outras F. tamanho, RH produção, apoio gov

Artefatos de couro Grupo F. mercado, F. acadêmicas


Edição e impressão idade, inv RH P&D, lab. P&D Or. expo, Grupo, RH produção


Produtos químicos Or. expo, prod. ou serviços, F. acadêmicas sal.medio, F. internas

Borracha e plásticos Or. capital, prod. ou serviços, inv RH P&D -

Minerais não metálicos Or. expo, inv RH P&D idade, GRUPO, F. internas, Outras F.

Metalurgia básica tamanho, inv RH P&D sal.medio

RH produção, prod. ou serviços, apoio gov, F. mercado, F. acadêmicas

Produtos metálicos tamanho, F. internas, Outras F.


Or. expo, Or. capital, idade, prod. ou serviços, inv fin P&D, lab. P&D, apoio gov,

F. internas, F. mercado sal.medio, RH produção, F. acadêmicas

Material elétrico Or. expo, F. mercado Grupo

Eletrônico e comunicações

Or. expo, sal.medio, F. acadêmicas, Outras F. F. mercado

230

Equipamentos médicos tamanho, F. acadêmicas, Outras F. F. mercado, lab. P&D, prod. ou serviços

Veículos automotores tamanho, Grupo, F. internas RH produção


Outras indústrias tamanho, F. mercado sal.medio

Quadro 10. Variáveis estatisticamente significativas para explicar a obtenção de patentes.

Quanto ao faturamento advindo de novos e melhorados produtos para a indústria

do estado, as variáveis cujo impacto é positivo são a origem do capital controlador, a

empresa pertencer a um grupo empresarial, os investimentos em recursos humanos

alocados em P&D, o apoio governamental para a inovação, a atribuição de importância

às fontes de informação acadêmicas e à outras fontes. Já as variáveis que impactam

negativamente são: o salário médio, o percentual de recursos humanos diretamente

ligados à produção e às fontes de informação ligadas ao mercado.

Assim como nos outros casos, o quadro abaixo sintetiza os resultados

encontrados para os setores industriais.

Obtenção de faturamento advindo de novos e melhorados produtos Setores



Alimentos e bebidas

idade, RH produção, inv RH P&D, apoio gov

GRUPO, inv. Fin. P&D, lab. P&D, F. internas

inv fin P&D, lab. P&D, apoio gov, F. internas Produtos têxteis idade, RH produção, GRUPO, inv RH P&D

Vestuários e acessórios - -

Artefatos de couro coop P&D, inov. mercado idade, Outras F.


231

tamanho, Or. expo, GRUPO, inv RH P&D, coop. P&D

Edição e impressão Or. capital, idade, F. internas, Outras F.


Produtos químicos

RH produção, inv RH P&D, apoio gov, Outras F. sal.medio, F. mercado

Borracha e plásticos

Or. capital, idade, RH produção, F. internas, Outras F.

tamanho, F. mercado, F. acadêmicas, redução var.

Minerais não metálicos RH produção, F. acadêmicas, Outras F. tamanho, ampliação var.

Metalurgia básica - lab. P&D

Produtos metálicos coop P&D, F. internas, inov. mercado tamanho, Grupo

tamanho, sal.medio, RH produção, Grupo, ampliação var., redução var.

Máquinas e equipamentos Or. expo, inv RH P&D

Material elétrico inv fin P&D, lab. P&D, ampliação var., redução var. idade, Grupo, F. internas

Eletrônico e comunicações tamanho, F. mercado, inv RH P&D, Grupo idade, inv fin P&D


tamanho, inv RH P&D, Outras F., inov. mercado Or. expo, RH produção, lab. P&D

Veículos automotores - lab. P&D, F. internas


Outras indústrias sal.medio, RH produção, F. mercado, F. acadêmicas, ampliação var., redução var. idade, inv fin P&D, apoio gov

Quadro 11. Variáveis estatisticamente significativas para explicar a obtenção de faturamento advindo de novos e melhorados produtos.

Para a inovação em produtos para o mercado é possível concluir que as

variáveis que aumentam a probabilidade de inovação no caso da indústria do estado

são: a origem do capital controlador, os investimentos financeiros alocados em P&D, os

investimentos de recursos humanos alocados em P&D, a presença de laboratório de

P&D, a cooperação em P&D e a atribuição de importância às fontes de informação

internas. Já as variáveis relacionadas à atribuição de importância para as fontes de

232

informação ligadas ao mercado e outras fontes diminuem a probabilidade de inovação

para o mercado.

Como citado no item 4.2.5, os resultados encontrados sobre a inovação para o

mercado nos setores foram restritos, cabendo aqui apenas uma conclusão sobre a

indústria de forma agregada.

Finalizando, conclui-se que os modelos utilizados por este trabalho são

adequados para explicar as variáveis dependentes estudadas produzindo resultados

bem satisfatórios quando se considera a indústria como um todo e resultados melhores

ou piores dependendo do setor a ser considerado.

Espera-se que este trabalho possa contribuir com novos estudos relacionados à

inovação tecnológica tanto de origem acadêmica como de origem empresarial ou

governamental, auxiliando estratégias e políticas públicas relacionadas ao tema por

meio da descrição do fenômeno, tanto na indústria do estado de maneira agregada,

como nos setores industriais abordados por esta pesquisa.

233

6. REFERÊNCIAS BIBLIOGRÁFICAS

AMARA, N.; LANDRY, R. Sources of information as determinants of novelty of innovation in manufacturing firms: evidence from the 1999 statistics Canada innovation survey. Technovation, 2004.

ANDREASSI, T. Estudo das relações entre indicadores de P&D e Indicadores de resultado empresarial em empresas brasileiras. 1999, 106f. Tese (Doutorado em Administração de Empresas) Faculdade de Economia, Administração e Contabilidade, Universidade de São Paulo, São Paulo.

ANDREASSI, T.; SBRAGIA, R. “Fatores Determinantes do grau de novatividade das empresas: um estudo utilizando a técnica de análise discriminante”. Série de working papers da FEA-USP. No. 001/004. www.ead.fea.usp.br/wpapers, 2002.

ANPEI. Dispêndios empresariais de inovação tecnológica no Brasil: Resultados da base de dados da ANPEI, mimeo, São Paulo, 1996.

ARCHIBUGI, A. Patenting as an indicator of technological innovation: a review. Science and Public Policy, 1992.

ARCHIBUGI, D.; MICHIE J. Concentration, firm size and innovation: evidence from innovation costs. Technovation, vol. 15, n. 3, 1995.

ARCHIBUGI, A.; HOWELLS J.; MICHIE J. Innovation systems in a global economy. Tecnology Analysis & Strategic Management. Vol. 11, n. 4, 1999.

BEAN, A.S.; RUSSO, J. M.;WHITELEY, R. L., Benchmarking Your R&D: Results from IRI/CIMS Annual R&D Survey for FY’96, Research-Technology Management, Volume 41 (1), Jan-Feb, 1998

BECKER, W.; DIETZ, J.; R&D cooperation and innovation activities of firms: evidence for the German manufacturing industry. Research Policy, 2004.

234

BELDERBOS, R.; CAREE, M.; LOSHKIN, B. Cooperative R&D and firm performance. Research Policy, 2004.

BROWN, M. G.; SVENSON, R.A. Measuring R&D productivity. Research Technology Manegement, 18 (5), pp 451– 482, 1988.

CARAYANNIS, E. G.; ROY, R. I. S. Davids vs Goliaths in the small satellite industry: the role of technological innovation dynamics in firm competitiveness. Thecnovation, 2000.

CARLSSON, B.; JACOBSON S.; HOLMEN, M.; RICKNNE, A. Innovation systems: analytical and methodological issues. Research Policy, Vol. 31, pp 233-245.

CASSIOLATO, J.E.; LASTRES, H.M.M. Arranjos Produtivos Locais e Novas Políticas de Desenvolvimento Industrial e Tecnológico, 1999

CHIAVENATO, I. Iniciação à administração geral. São Paulo: McGraw-Hill, 1989.

CLARK, J.; GUY, K. Innovation and competitiveness: a review. Technology Analysis and Strategy Management. 1998.

CLAYTON, C. Will Disruptive Innovations Cure Health Care. Harvard Business Review, 2000.

CHANG, Y. C.; CHEN, M. H. Comparing approaches to systems of innovation: the knowledge perspective. Thecnology in Society, 2004.

CRUZ, C.H.B. A Universidade, a Empresa e a Pesquisa que o país precisa. Parcerias Estratégicas, Brasília: Ministério da Ciência e Tecnologia, Centro de Estudos Estratégicos, n.8, maio, 2000.

DAIM, T.; KOCAOGLU, D. F.. Technology Acquisition in the US Electronics Manufacturing Industry, Management of Technology, Sustainable Development and Eco-Efficiency, 1998.

DOSI, G. Sources, procedures and microeconomic effects of innovation. Journal of Economic Literature,1988.

DINIZ, C.; CROCCO, M. Nova Economia, São Paulo: Atlas, 1995

235

DINIZ, C.; RAZAVI, M. High technology and new industrial areas in Brazil: the development of São José dos Campos and Campinas cities. Texto para discussão CEDEPELAR, n.94,

DRUCKER, P. Desafios gerenciais para o século XXI. São Paulo: Pioneira, 1989.

FREEMAN, C. The economics of technical change: a critical survey article. Cambridge Journal of Economics 18 (5), pp 463–514, 1994

FABER, J.; HESEN, A. B. Innovation capabilities of European nations Cross national analyses of patents and sales of product innovations. Research Policy, 2004

FERNANDES, A.C.;CÔRTES, M. R. Caracterização do perfil da pequena empresa de base tecnológica no estado de São Paulo: uma análise. Texto de discussão do DPCT, IG, Unicamp, 1999 (versão preliminar).

Fonseca, R. Inovação tecnológica e o papel do governo. Parcerias Estratégicas, Brasília: Ministério da Ciência e Tecnologia, Centro de Estudos Estratégicos, n.13, desembro, 20001.

FOSTER, R. N. Innovation: The attacker’s advantage. New York: Summit Books, 1988.

FRANCIS, D.; BESSANT, J. “Targeting innovation and implications for capability development”. Technovation, Amsterdã (artigo em impressão). Disponível em: <www.elsevier.com/locate/technovation>. Acesso em: 10 abr. 2005

FRANKO, L.G. Global corporate competition: who’s winning, who’s losing and the R&D factor as one reason why. Strategic Management Journal, Vol. 10, 1989, pg 449-474.

GAY, L. R.; DIEHL, P. L. Research methods for business and management. New York: MacMillian Publishing Company, 1992.

GODIN, B. The emergence of science and technology Indicators: why did governments supplement statistics with indicators?, Project on the History and Sociology of S&T Statistics, disponível em http:// www.osq.qc.ca/OSTE/Document/

GODOY, A. S. Introdução à pesquisa qualitativa e suas possibilidades. Revista de Administração de Empresas, São Paulo, 35 (2), pp.57-63, mar./abr. 1995.

236

GREENE, W. H. Econometric analysis, 2nd ed. Englewood Cliffs, NJ : Prentice Hall, 1993.

HAGEDOORN, J. Measuring innovative performance: is there an advantage in using multiple indicators? Research Policy, 2002.

HAGUENAUER, L. Competitividade: conceitos e medidas – uma resenha da bibliografia com ênfase no caso brasileiro. IE – UFRJ. 1989.

HAYR JR, F. et alli. Multivariate data analisys, New Jersey, Prentice Hall, 1995.

HIGGINS, M. Innovate or evaporate – Test & improve your organizations I.Q. Its Innovation Quotient. New York: New Management Publishing Company,1995.

IMPARATO, N. A Grande virada: inovação e escolha estratégica em uma era de transição. Rio de Janeiro: Campus,1997.

JACOBSSON, S.; OSKARSSON, C.; PHILIPSON, J. Indicators of technological activities- comparing educational, patent and R & D statistics in the case of Sweden. Research Policy, 1996.

KANNEBLEY, S.; PORTO, G.; PAZZELO, E. Características das Empresas Inovadoras no Brasil: Uma análise empírica a partir da PINTEC, 2003.

KARLSSON, M.; TRYGG, L.; ELFSTRÖM B. Measuring R&D productivity: complementing the picture by focusing on research activities. Technovation, 2004.

KLINE, S. J.; ROSENBERG, N., An overview of innovation, Washington: National Academy Press, 1986.

KRUNGLIANSKAS, I. Tornando a pequena e média empresa competitiva: Como inovar e sobreviver em mercados globalizados. São Paulo: Ed. Iege,1996

JOHNSON, R. A.; WICHERN, D. W. Applied multivariate statistical analysis. New Jersey: Prentice-Hall, 1988.

LUNDVALL B., National systems of innovation: towards a theorem of innovation and interactive learning. London: Pinter; 1992.

237

LANDI, F. R. (coord.) Indicadores de ciência, tecnologia e inovação em São Paulo. São Paulo: FAPESP, 2002.

LEE, M. ;SON, B.; LEE, H. Measuring R&D effectiveness in Korean Companies, Research Technology Management, 1996.

LEE, M.; NA, D. Determinants of technical success in product development when innovative radicalness is considered. Journal of Product Innovation Management, 1994.

LICHT, G.; SCHNELL, W.; STAHL, H. Results of German innovation survey. OCDE, 1995.

LINDSAY, D. Using citation counts as a measure of quality in science. Measuring what’s measurable rather than what is valid, Scienciometrics, 1989.

MADDALA, G.S. Introduction to Econometrics. 2. ed. Englewood Cliffs, NJ, Prentice Hall, 1992.

MADEUF. B. International technology transfer and international technology payments. Research Policy, 1984.

MALHOTRA, N. K. Pesquisa de marketing: uma orientação aplicada. 3. ed. Porto Alegre, Bookman, 2001.

MAÑAS, A Vico.Gestão de tecnologia e inovação. São Paulo: Érica, 1993.

OSLO MANUAL – The measurement of scientific and technological activities: proposed guideline for collecting and interpreting technological innovation data. Disponível em: <http://www.oecd.org>. Acesso em: 14 de jun. 2004.

MARTINS, G. A.; LINTZ, A. Guia: elaboração de monografias e trabalhos de conclusão de curso. São Paulo, 1999.

MATESCO, V.R. Inovação tecnológica nas empresas brasileiras: a diferenciação competitiva e a motivação para inovar. Tese de doutorado apresentada ao Instituto de Economia Industrial da Faculdade Federal do Rio de Janeiro,1993

http://www.oecd.org/

238

MELICIANI, V., The impact of technological specialisation on national performance in a balance-of-payments-constrained growth model. Structural change and economic change, 2002

MICHIE, J. Introduction, the Internalization of innovation process, International Journal of Economic Business, 1995.

MINISTÉRIO DA CIÊNCIA E TECNOLOGIA, Livro Verde. Ciência, tecnologia e inovação. Brasília, 2001.

MIOTTI, L.; SACHWALD, F. Co-operative R&D: why and with whom: An integrated framework of analysis. Research Policy, 2003.

MORBEY, G.; REITHNER, R., How R&D affects sales growth, productivity and profitability, Research-Technology Management, 1990.

NEGRI, B. Concentração e desconcentração industrial em São Paulo. Campinas: Ed. Unicamp, 1996.

NELSON R.R., National innovation systems: a comparative analysis. Oxford: Oxford University Press; 1988.

NOYONS, E.C.M.; LUVELL, M.; MOED, H. F. Assessment of Flemish R&D in the field of information technology bibliometric evaluation based on publication and patent data,combined with OECD research input statistics. Research Policy, 1998

OECD. The OSLO Manual: The measurement of Scientific and Technical Activities. Paris, 1992.

NUCHERA, A. H.; SERRANO, G. L.; MOROTE, J. P. La gestión de la innovación y la tecnología en las organizaciones. Madrid: Ediciones Pirámide, 2002.

PAKES, A., On patents, R&D, and the stock market rates of return,” Journal of Political Economy, 1985.

PAVITT, K. R&D patenting and innovative activities: a statistical exploration. Research Policy, Vol. 11 (1), 1984.

239

PATEL, P.; PAVITT, K. Patterns of technological activitiy: their measurement and interpretation. Handbook of economics of innovation and technological change, Oxford 1995.

PATTINSON, B. Innovation in Australia. OECD-NESTI SEMINAR. Canberra: MIMEO, 1998.

PARASURAMAN, A.; ZEREN, L. M. R&D’s relationships with profit and sales. Research Management, 1983.

PEREIRA, Paulo Jorge C. A Empresa Enxuta. Rio de Janeiro: Campus, 1995.

PORTER, M. E. Vantagem competitiva: criando e sustentando um desempenho superior. São Paulo: Campus, 1992.

PORTO, G. S. A decisão empresarial de desenvolvimento tecnológico por meio da cooperação empresa universidade. Tese de doutorado apresentada a faculdade de Economia, Administração e Contabilidade da Universidade de São Paulo, 2000.

POSNER, M. V. International Trade and technical change. Oxford Economic Papers, 1961.

PRADO, F. O.; PORTO, G.; Fontes de tecnologia no setor de telecomunicações: um estudo multicaso em três multinacionais (MNC’s) e um centro de pesquisa instalados no Brasil. XXII Simpósio de gestão tecnológica, 2002.

QUADROS, R.; FURTADO, A.; BERNARDES, R e FRANCO, E. “Technological innovation in Brazilian industry: an assessment based on the São Paulo innovation survey”. Technological forecasting and social change, 67 (2-3): 203-219, Jun./2001

RICHARDSON, R. J. e colaboradores. Pesquisa social: métodos e técnicas. São Paulo: Atlas, 1985

ROGERS, M. Diffusion of innovation. New York: Ed. Free Press,1995.

SBRAGIA, R. The impact of R&D on firm innovative performance: a comparative analysis between Brazil and United States. 8Th international conference on management of technology. Orlando: IAMOT, Feb, 1998

240

SBRAGIA, R.; KRUGLIANKAS, I; ARANGO-ALZARE, T. “Empresas inovadoras noBrasil: uma proposição de tipologia e características associadas”. Série Working Papers FEA/USP No. 001/003. www.ead.fea.usp.br/wpapers, 2002.

SBRAGIA, R. R&D in Brazilian industry: recent indicators. Research Technology Management, May-Jun. 1999, pp 30-35

SCHMOOKLER, J. The interpretation of patent statistics, Journal of the Patent Office Society, vol. 32, n° 2, 1950

SCHUMPETER, J. A. Capitalism, socialism and democracy. Londres: Allen&Unwin, 1976.

SEADE_ Análise Geral dos resultados da PAEP, 2001, disponível em: http://www.seade.gov.br/produtos/paep/index.html, acessado em: 15/10/2004.

SELLTIZ, C.; WRIGHTSMAN, L. S.; COOK, S. W. Métodos de pesquisa nas relações sociais. São Paulo: EPU, 1987.

SHARP, M., PAVITT, K. Technology Policy in the 1990s: Old Trends and New Realities. Journal of Common Market Studies, v. 31, n.2, June 1993.

SILVA, A.L. A adoção de tecnologia de informação em canais de distribuição. São Paulo, Tese (Doutoramento). Faculdade de Economia, Administração e Ciências Contábeis, Universidade de São Paulo, 1999.

SOUZA, M. C. A. F.; GARCIA, R. O arranjo produtivo de indústrias de alta tecnologia da região de Campinas – Estado de São Paulo – Brasil. Rio de Janeiro: IE/UFRJ. Nota técnica no. 27 do projeto de pesquisa “Globalização e inovação localizada”; 2001. Disponível na URL: http://race.nuca.ie.ufrj.br/gei/shtml

SMITH, K. Science and technology indicators: a guide for policy makers; Idea Report 5. Oslo: Step Group, 1998, disponível em: http://www.step.no/Projectarea/idea/Idea5.pdf, acessado em: 20/10/2004.

THETER, B. S. Who co-operates for innovation, and why: An empirical analysis. Research Policy, 2002.

http://www.seade.gov.br/produtos/paep/index.html

http://race.nuca.ie.ufrj.br/gei/shtml

http://www.step.no/Projectarea/idea/Idea5.pdf

241

TIGRE, P. B. O Papel das políticas públicas na promoção de exportações. IE/UFRJ, disponível em: www.ie.ufrj.br/expo/index.html.

VASCONCELLOS, E. et alii, Gerenciamento da tecnologia: um instrumento para a competitividade empresarial, São Paulo: Editora Edgar Blücher LTDA, 1999.

VASCONCELLOS, M. A. S. e ALVES , D. (org) - Manual de Econometria - Equipe de Professores da USP, São Paulo: Edit. Atlas, 1999.

VIOTTI, E.B., MACEDO, M. M. Indicadores de ciência, tecnologia e inovação no Brasil, Campinas: Editora Unicamp, 2001

ZUCOLOTO, G. F. A inovação tecnológica na industria brasileira: uma análise setorial. Dissertação de mestrado apresentada a Faculdade de Economia Administração e Contabilidade da Universidade de São Paulo, 2004

http://www.ie.ufrj.br/expo/index.html

UNIVERSIDADE DE SO PAULO · ANTÔNIO CARLOS PACAGNELLA JÚNIOR ... (1999) pode permitir a um país...

Documents

Transcript of UNIVERSIDADE DE SO PAULO · ANTÔNIO CARLOS PACAGNELLA JÚNIOR ... (1999) pode permitir a um país...